系统环境:M1pro macOS 13.6
1. whisper 安装
openai-whisper
以下的语言全部支持识别,数字越小的识别越准确
GitHub - openai/whisper: Robust Speech Recognition via Large-Scale Weak SupervisionRobust Speech Recognition via Large-Scale Weak Supervision - openai/whisperhttps://github.com/openai/whisper
参考视频链接与安装过程
MACOS本地部署whisper ai, 一键生成中英文视频字幕_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1GL411m7mv/?vd_source=c73b771a66067f7c5859120eb61e27aa
安装homebrewHomebrewhttps://brew.sh/![](https://img-blog.csdnimg.cn/direct/87f0cd562e5c48368e06eabbe0ed03ff.png)
安装Python (不要超过3.10)
安装Pytorch 在官网按照以下方式选择以后,在终端输入下面的命令 安装pytorchvvhttps://pytorch.org/get-started/locally/https://pytorch.org/get-started/locally/https://pytorch.org/get-started/locally/![](https://img-blog.csdnimg.cn/direct/e29a6c673a4c42a1a1a2b9a24c64209e.png)
安装ffmpeg
brew install ffmpeg
安装rust
pip install rust
安装whisper
pip install -U openai-whisper
注意事项
- python版本不要超过3.10
- 在Jupyter notebook使用 最好使用 homebrew 安装 ffmpeg
可能报错问题
- homebrew安装报错 👉 使用命令2安装
2. 无法使用mac gpu 👉 使用whisper.cpp
GitHub - ggerganov/whisper.cpp: Port of OpenAI's Whisper model in C/C++Port of OpenAI's Whisper model in C/C++. Contribute to ggerganov/whisper.cpp development by creating an account on GitHub.https://github.com/ggerganov/whisper.cpp 前面的whisper.ai我自己测试下来只能用cpu跑,命令行加上--device mps会报错,大家可以试一下,如果没问题的话可以继续用whisper.ai。
github上很多也反馈存在上述问题,无法使用mps。用cpu的处理速度比较慢,下面用whisper.cpp解决这个问题。测试下来速度有明显提升,大约3min可以用medium模型处理15min的日语视频。
操作步骤
** **1. 安装whisper.cpp
git clone <https://github.com/ggerganov/whisper.cpp.git>
- 打开网站,下载模型和对应.mlmodelc,放入whisper.cpp/model 文件夹中ggerganov/whisper.cpp at mainhttps://huggingface.co/ggerganov/whisper.cpp/tree/main
- 把文件转换成wav文件(视频文件需要先事先提取音频)
ffmpeg -i ./xxxx.mp3 -ar 16000 -ac 1 -c:a pcm_s16le ./xxxx.wav
- 把文件转换成wav文件(视频文件需要先事先提取音频)
- 输入命令,并生成srt文件
./main -m models/ggml-medium.bin -f samples/xxxx.wav -l ja -osrt
- 输入命令,并生成srt文件
可能报错问题
输入指令后一直卡死,把下面的进程kill掉
![](https://img-blog.csdnimg.cn/direct/118be8bdf8af4b9894a6fa19ffc4885a.png)
3. 生成翻译字幕
- 生成英文字幕
./main -m models/ggml-medium.bin -f samples/test1.wav -l ja -osrt -tr
- 生成英文字幕
- 翻译成中文字幕神经网络实用工具(整活)系列---使用OpenAI的翻译模型whisper实现语音(中、日、英等等)转中字,从此生肉变熟肉---基础篇_whisper模型翻译成中文-CSDN博客https://blog.csdn.net/weixinhum/article/details/130998668- Google翻译方案成功,但是准确率一般
版权归原作者 ranzi-yi 所有, 如有侵权,请联系我们删除。