欢迎来到尧图网

客户服务 关于我们

您的位置:首页 > 财经 > 产业 > 语言识别模型whisper学习笔记

语言识别模型whisper学习笔记

2025/3/15 13:47:17 来源:https://blog.csdn.net/qq_55473229/article/details/146121061  浏览:    关键词:语言识别模型whisper学习笔记

语言识别模型whisper学习笔记

Whisper 是由 OpenAI 于 2022年9月 推出的开源自动语音识别(ASR)系统,旨在实现高精度、多语言的语音转文本及翻译任务。其核心目标是解决传统语音识别模型在噪声环境、口音多样性及多语言场景下的局限性。

一、开源代码库下载

代码库链接:https://github.com/openai/whisper
注:需要科学网络
在这里插入图片描述
依次点击进行下载。

下载好将文件夹拖进pycharm打开项目,如下。

在这里插入图片描述
但是由于没有项目所需要的环境,需要给根据报错依次安装环境,如上图缺少torch,则打开终端使用conda或者pip进行下载安装。
下载指令可以上pytorch官网查询:https://pytorch.org/get-started/locally/
在这里插入图片描述
终端运行以上复制的代码,安装确实的gpu版本pytorch。

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

在这里插入图片描述

发现提示numpy版本不兼容,强制重新安装兼容版本。()

在这里插入图片描述

pip install numpy==1.26.4

在这里插入图片描述

再次运行,发现缺少tqdm
在这里插入图片描述
安装tqdm

pip install tqdm

在这里插入图片描述
再次运行,发现缺少tiktoken
在这里插入图片描述

安装tiktoken

pip install tiktoken

在这里插入图片描述

再次运行,发现缺少numba

在这里插入图片描述

安装numba

pip install numba

在这里插入图片描述

二、调用whisper实现语音识别

2.1 python调用

import whispermodel = whisper.load_model("turbo")
result = model.transcribe("zyj.mp3")    # 只需要将此路径更换为你所需要识别的语音文件即可。
print(result["text"])

2.2 命令行调用

whisper zyj.mp3 --language Japanese --model turbo

2.3 结果展示

在这里插入图片描述

测试mp3文件,为我录制的一段语音,说的就是“你好你好你好恭喜发财”,成功将语音识别转录成中文。

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

热搜词