Whisper 项目安装和配置指南
1. 项目基础介绍和主要编程语言
项目基础介绍
Whisper 是一个高性能的 GPGPU 推理库,专门用于 OpenAI 的 Whisper 自动语音识别(ASR)模型的推理。该项目是 Whisper.cpp 的 Windows 移植版本,旨在提供比 OpenAI 原生实现更快的推理速度。
主要编程语言
该项目主要使用 C++ 进行开发,同时也提供了 C# 的封装接口,方便在 .NET 环境中使用。
2. 项目使用的关键技术和框架
关键技术
- DirectCompute: 该项目使用 DirectCompute 技术进行 GPGPU 计算,DirectCompute 是 Direct3D 11 中的一种计算着色器技术。
- Media Foundation: 用于音频处理,支持大多数音频和视频格式以及音频捕获设备。
- COM-style API: 提供了易于使用的 COM 风格的 API,并提供了 C# 的封装接口。
框架
- OpenAI Whisper: 基于 OpenAI 的 Whisper 自动语音识别模型。
- Direct3D 11: 用于 GPGPU 计算的图形 API。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
- 操作系统: 该项目仅支持 64 位 Windows 系统,建议使用 Windows 8.1 或更新版本。
- 硬件要求: 需要支持 Direct3D 11.0 的 GPU,以及支持 AVX1 和 F16C 的 CPU。
- 开发环境: 需要安装 Visual Studio 2022(社区版即可)。
详细安装步骤
步骤 1: 克隆项目仓库
首先,打开命令行工具(如 PowerShell 或 Git Bash),然后运行以下命令克隆项目仓库:
git clone https://github.com/Const-me/Whisper.git
步骤 2: 打开项目解决方案
- 进入克隆的项目目录:
cd Whisper
- 使用 Visual Studio 2022 打开项目解决方案文件
WhisperCpp.sln
。
步骤 3: 配置项目
- 在 Visual Studio 中,选择
Release
配置。 - 右键点击
CompressShaders
项目,选择“设为启动项目”。 - 在主菜单中选择“调试 / 开始执行(不调试)”来运行
CompressShaders
项目。
步骤 4: 构建项目
- 构建
Whisper
项目以生成原生 DLL,或者构建WhisperNet
项目以生成 C# 封装和 NuGet 包。 - 构建完成后,可以在
bin/Release
目录下找到生成的 DLL 文件。
步骤 5: 运行示例程序
- 在
Examples
目录下,找到并运行示例程序WhisperDesktop.exe
。 - 首次运行时,程序会提示下载模型文件,推荐下载
ggml-medium.bin
模型(1.42GB)。 - 下载完成后,可以使用该程序进行音频文件的转录或实时音频捕获和转录。
其他注意事项
- 如果使用 Visual C++ 2022 或更新版本构建项目,可能需要重新配置运行时库设置,具体步骤请参考项目文档。
- 项目包含 RenderDoc GPU 调试器集成,可以在 RenderDoc 中启动程序并按 F12 捕获计算调用。
通过以上步骤,您应该能够成功安装和配置 Whisper 项目,并开始使用其强大的自动语音识别功能。