在 windows 上部署使用 Whisper 教程

在 Windows 上部署 OpenAI Whisper：详细教程

OpenAI Whisper 是一个功能强大的多语言语音识别模子，能够处置惩罚多种音频格式并天生高质量的字幕文件。本文将详细先容如安在 Windows 系统上部署 Whisper，使用 GPU 加速音频转录，并探讨 Whisper 的根本使用方法和支持的音频格式。
使用体验：直接用cpu（i7-12700）跑small模子，6分钟的音频也大概只要3分钟，除了极个别语速很快的时间的语气词没识别出来，其他地方完全精确。用gpu（3060 laptop）跑small模子，8分钟的音频一分钟以内跑完。因此，对于时长较短的音频，small模子完全够用了
目录

• 什么是 Whisper？
  
• 环境预备
  
• 创建虚拟环境并安装 Whisper
  
• 使用 Whisper 举行音频转录
  
• 使用 GPU 加速 Whisper
  
• Whisper 支持的音频格式
  
• 常见题目及解决方案
  

---

1. 什么是 Whisper？

Whisper 是 OpenAI 提供的开源语音识别模子，能够将音频文件转录为文本或字幕文件，支持多种语言和多格式输出。其主要功能包括：

• 自动检测和转录多语言音频。
  
• 支持天生 .txt, .srt, .vtt 等格式的字幕文件。
  
• 能够处置惩罚嘈杂环境下的音频。
  
• 通过 GPU 加速，提高转录服从。
  

---

2. Whisper 支持的音频格式

Whisper 支持多种常见的音频格式，能够处置惩罚各种范例的音频文件，包括但不限于：

• MP3 (.mp3)
  
• WAV (.wav)
  
• M4A (.m4a)
  
• FLAC (.flac)
  
• OGG (.ogg)
  

---

3. 环境预备

在开始部署 Whisper 之前，请确保你具备以下环境：

• 操作系统：Windows 10 或更高版本
  
• Python：Python 3.7 及以上版本
  
• Conda：用于创建和管理虚拟环境（保举使用 Miniconda）
  
• NVIDIA GPU（可选）：用于加速音频转录任务
  

---

4. 创建虚拟环境并安装 Whisper

• 创建虚拟环境：
  打开 终端（Anaconda Prompt ， Git Bash等，我个人用的是Git Bash），运行以下命令创建并激活虚拟环境：
  
  1. conda create --name whisper_env python=3.9
  2. conda activate whisper_env

  复制代码
• 安装 Whisper：
  在虚拟环境中运行以下命令安装 Whisper：
  
  1. pip install git+https://github.com/openai/whisper.git

  复制代码
• 安装 FFmpeg：
  Whisper 依赖 FFmpeg 处置惩罚音频文件，使用以下命令安装：
  （一定要记得安装，不然会报错找不到音频文件）
  
  1. conda install -c conda-forge ffmpeg

  复制代码
• （可选）安装支持 GPU 的 PyTorch：
  如果你有 NVIDIA GPU 并且想使用 GPU 加速，安装支持 CUDA 的 PyTorch。比方，针对 CUDA 11.8：
  
  1. pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

  复制代码

---

5. 使用 Whisper 举行音频转录

Whisper 支持多种音频转录模式，可以天生多种格式的字幕文件。以下是一个简单的音频转录命令：

1. whisper "path/to/your/audiofile.mp3" --model small --output_format srt --output_dir "path/to/output"

复制代码

• –model small：选择模子大小，模子越大，精度越高，但速率较慢（可选模子：tiny, base, small, medium, large）。
  
• –output_format srt：指定输出格式为 .srt 字幕文件。
  
• –output_dir：指定天生文件的生存路径。
  

如果需要自动检测语言，你可以直接运行命令。否则，也可以手动指定音频的语言：

1. whisper "path/to/your/audiofile.mp3" --model small --language English

复制代码

Whisper 具备自动语言检测功能，可以识别音频中的语言并选择适合的模子举行转录。默认情况下，Whisper 使用前 30 秒的音频举行语言检测。

1. whisper "path/to/audiofile.mp3" --model small

复制代码

---

6. 使用 GPU 加速 Whisper

如果你有 NVIDIA GPU，并且已安装了 CUDA 和支持 GPU 的 PyTorch，Whisper 会自动使用 GPU。你也可以通过 --device 参数明确指定使用 GPU：

1. whisper "path/to/your/audiofile.mp3" --model small --output_format srt --output_dir "path/to/output"
2. --device cuda

复制代码

使用 GPU 加速时，音频处置惩罚速率会显著提拔，特别是在处置惩罚较大的模子如 medium 或 large 时。

---

7. 常见题目及解决方案

1. NumPy 版本兼容性题目

如果你遇到类似 RuntimeError: Numpy is not available 或 NumPy 相关的告诫，可以通过降级 NumPy 来解决：
如果用的是Git Bash，则加引号：

1. pip install "numpy<2.0"

复制代码

如果用的是 Anaconda Prompt，则不消加引号：

1. pip install numpy<2.0

复制代码

2. FileNotFoundError

如果系统提示找不到文件，确保音频文件路径精确。对于 Git Bash 用户，留意文件路径格式应使用正斜杠 /，比方：

1. whisper "/f/LINSP_podcast/episode.mp3" --model small

复制代码

如果路径精确还是找不到文件，确保安装了 FFmpeg
3. GPU 不可用

如果你有 NVIDIA GPU，但 PyTorch 无法检测到 GPU，请检查 CUDA 是否安装精确，并使用以下命令验证 GPU 是否可用：

1. python -c "import torch; print(torch.cuda.is_available())"

复制代码

4. FFmpeg 题目

如果 FFmpeg 没有安装或无法找到，确保你已经使用 Conda 安装了 FFmpeg：

1. conda install -c conda-forge ffmpeg

复制代码

---

总结

通过这篇教程，你已经了解了如安在 Windows 系统上部署 Whisper，创建虚拟环境、安装须要依赖，并使用 GPU 加速音频转录。Whisper 提供了强大的语音识别能力，支持多种音频格式，并且能够天生不同的字幕文件，适合各种语音转录和字幕天生需求。
盼望这篇博客对你有所资助，如果你有任何题目或建议，欢迎在评论区留言！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。