【小沐学AI】Python实现语音识别（faster-whisper-webui）

文章目录

1、简介

1.1 whisper

https://github.com/openai/whisper
Whisper 是一种通用语音识别模型。它是在各种音频的大型数据集上训练的，也是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别。

OpenAI 的开源模型 whisper，可以执行 99 种语言的语音识别和文字转写。但是 whisper 模型占用计算资源多，命令行使用门槛高。whisper 模型本身还存在一些问题，例如 模型幻听问题。

Whisper是可以理解多种语言的自动语音识别（）系统。它已经接受了从网络收集的 680,000 小时监督数据的训练。

Transformer 序列到序列模型针对各种语音处理任务进行训练，包括多语言语音识别、语音翻译、口语识别和语音活动检测。这些任务共同表示为解码器要预测的一系列标记，从而允许单个模型取代传统语音处理管道的许多阶段。多任务训练格式使用一组特殊标记作为任务说明符或分类目标。

pip install-U openai-whisper
# pip install git+https://github.com/openai/whisper.git # pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git

1.2 faster-whisper

https://github.com/SYSTRAN/faster-whisper
faster-whisper是基于OpenAI的Whisper模型的高效实现，它利用CTranslate2，一个专为Transformer模型设计的快速推理引擎。这种实现不仅提高了语音识别的速度，还优化了内存使用效率。faster-whisper的核心优势在于其能够在保持原有模型准确度的同时，大幅提升处理速度，这使得它在处理大规模语音数据时更加高效。

2、安装

git clone https://github.com/ycyy/faster-whisper-webui.git

# 进入项目的目录cd faster-whisper-webui

# 安装项目依赖
pip3 install-r requirements.txt

# 装一下faster-whisper依赖
pip3 install-r requirements-fasterWhisper.txt

您可以选择使用 或 .Faster Whisper 作为 默认 Whisper 可实现高达 4 倍的加速和 2 倍的内存使用量减少。

mkdir models

cd models

#需要配置VAD模型：git clone https://github.com/snakers4/silero-vad

新建文件夹faster-whisper，再在里面新建子文件夹large-v2，里面存放模型文件。
下载faster-whisper模型：

https://huggingface.co/guillaumekln/faster-whisper-large-v2

最后代码的整个文件夹树如下：

|─faster-whisper-webui
    |─models
        ├─faster-whisper
        │  ├─base
        │  ├─large
        │  ├─large-v2
        │  ├─medium
        │  ├─small
        │  └─tiny
        └─silero-vad
            ├─examples
            │  ├─cpp
            │  ├─microphone_and_webRTC_integration
            │  └─pyaudio-streaming
            ├─files
            └─__pycache__

在代码文件cli.py文件的最前面添加如下代码：

import os
os.environ['KMP_DUPLICATE_LIB_OK']='True'

3、测试

您还可以运行 CLI 接口，该接口类似于 Whisper 自己的 CLI，但也支持以下附加参数：

python cli.py \[--vad {none,silero-vad,silero-vad-skip-gaps,silero-vad-expand-into-gaps,periodic-vad}]\[--vad_merge_window VAD_MERGE_WINDOW]\[--vad_max_merge_size VAD_MAX_MERGE_SIZE]\[--vad_padding VAD_PADDING]\[--vad_prompt_window VAD_PROMPT_WINDOW][--vad_cpu_cores NUMBER_OF_CORES][--vad_parallel_devices COMMA_DELIMITED_DEVICES][--auto_parallel BOOLEAN]

python cli.py --model large --vad silero-vad --language Japanese "https://www.youtube.com/watch?v=4cICErqqRSM"

python cli.py --model large-v2 --vad silero-vad --language Japanese --output_dir C:\Users\tomcat\Desktop\yxy C:\Users\tomcat\Desktop\yxy\yxy_audio.mp3

上面只是用了whisper原版的算法，现在添加–whisper_implementation faster-whisper参数来使用faster-whisper改进后的算法：

python cli.py --whisper_implementation faster-whisper --model large-v2 --vad silero-vad --language Japanese --output_dir C:\Users\tomcat\Desktop\yxy C:\Users\tomcat\Desktop\yxy\yxy_audio.mp3

更多AI信息如下：

2024第四届人工智能、自动化与高性能计算国际会议(AIAHPC 2024)将于2024年7月19-21日在中国·珠海召开。
大会网站：更多会议详情
时间地点：中国珠海-中山大学珠海校区｜2024年7月19-21日

结语

如果您觉得该方法或代码有一点点用处，可以给作者点个赞，或打赏杯咖啡；

╮(￣▽￣)╭

如果您感觉方法或代码不咋地

//(ㄒoㄒ)//

，就在评论处留言，作者继续改进；

o_O???

如果您需要相关功能的代码定制化开发，可以留言私信作者；

(✿◡‿◡)

感谢各位大佬童鞋们的支持！

( ´ ▽´ )ﾉ ( ´ ▽´)っ！！！