介绍:
Faster-Whisper是一个基于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,优化了内存使用效率。同时,Faster-Whisper还改进了原始的Whisper模型结构,包括减少模型的层数、减少参数量、简化模型结构等,从而减少了计算量和内存消耗,提高了推理速度。此外,Faster-Whisper还改进了推理算法、优化计算过程、减少冗余计算等,以提高模型的运行效率。
Faster-Whisper项目包括一个web网页版本和一个命令行版本,同时项目内部已经整合了VAD算法。VAD是一种音频活动检测的算法,可以准确的把音频中的每一句话分离开来,让whisper更精准的定位语音开始和结束的位置。
faster whisper地址:
https://github.com/SYSTRAN/faster-whisper
实现功能:
从麦克风获取声音进行实时语音识别转文本
代码仅仅用了40多行即可实现实时语音转文本功能
封装成类调用十分简单,代码如下:
fwm = FasterWhisperManager()
fwm.start()
while True:
time.sleep(0.2)
视频演示地址:
bilibili.com/video/BV1fQ4y1j7wb/
源码地址: