Faster-Whisper 实时识别电脑语音转文本
- 前言
- 项目
- 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。
参考
下面是B站视频实时转写的截图 -
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