Faster-Whisper 实时识别电脑语音转文本

Faster-Whisper 实时识别电脑语音转文本

• 前言
• 项目
• • 搭建环境
  • 安装Faster-Whisper
  • 下载模型
  • 编写测试代码
  • 运行测试代码
  • 实时转写脚本
  • 实时转写WebSocket服务器模式
• 参考

  前言

  以前做的智能对话软件接的Baidu API，想换成本地的，就搭一套Faster-Whisper吧。
  下面是B站视频实时转写的截图

  参考

• 项目
  搭建环境
  所需要的CUDANN已经装好了，如果装的是12.2应该是包含cuBLAS了
  没装的，可以从下面链接下载装一下，文末的参考视频中也有讲解
  https://github.com/Purfview/whisper-standalone-win/releases/tag/libs

• 

• Ancanda的运行环境去Clone一下之前配好的环境，用之前BertVits的即可

  安装Faster-Whisper
  输入即可安装

  pip install faster-whisper
  
  下载模型
  https://huggingface.co/Systran/faster-whisper-large-v3
  下载完放到代码旁边就可以了

• 
  ————————————————

                           

• 编写测试代码

• 

• # local_files_only=True 表示加载本地模型
  # model_size_or_path=path 指定加载模型路径
  # device="cuda" 指定使用cuda
  # compute_type="int8_float16" 量化为8位
  # language="zh" 指定音频语言
  # vad_filter=True 开启vad
  # vad_parameters=dict(min_silence_duration_ms=1000) 设置vad参数
  from faster_whisper import WhisperModel
  
  model_size = "large-v3"
  path = r"D:\Project\Python_Project\FasterWhisper\large-v3"
  
  # Run on GPU with FP16
  model = WhisperModel(model_size_or_path=path, device="cuda", local_files_only=True)
   
  # or run on GPU with INT8
  # model = WhisperModel(model_size, device="cuda", compute_type="int8_float16")
  # or run on CPU with INT8
  # model = WhisperModel(model_size, device="cpu", compute_type="int8")
  
  segments, info = model.transcribe("audio.wav", beam_size=5, language="zh", vad_filter=True, vad_parameters=dict(min_silence_duration_ms=1000))
  
  print("Detected language '%s' with probability %f" % (info.language, info.language_probability))
  
  for segment in segments:
      print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))
  
  
  

  运行测试代码

  找个音频放入文件夹内，输入python main.py即可运行！
  可以看到正确（不太正确）的识别出了音频说了什么。

• 

•   版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
                          
  原文链接：https://blog.csdn.net/a71468293a/article/details/135995878