【小沐学AI】C++实现语音识别（Whisper.cpp）

最新推荐文章于 2024-10-18 15:39:30 发布

爱看书的小沐

最新推荐文章于 2024-10-18 15:39:30 发布

阅读量1.3k

点赞数 15

分类专栏： C/C++ AI 文章标签：人工智能 c++ 语音识别 whisper ai python cmake

原文链接：https://blog.csdn.net/weixin_40986713/article/details/138712293

版权

C/C++ 同时被 2 个专栏收录

67 篇文章 49 订阅

订阅专栏

38 篇文章 7 订阅

订阅专栏

文章目录

1、简介
2、下载和编译
3、测试
结语

1、简介

https://openai.com/index/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。
在这里插入图片描述

2、下载和编译

2.1 VS2017

https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/
在这里插入图片描述

2.2 CMake

https://cmake.org/download/
在这里插入图片描述

2.3 whisper.cpp

2.3.1 下载whisper.cpp

https://github.com/ggerganov/whisper.cpp

OpenAI 的 Whisper 模型的 C/C++ 端口

在这里插入图片描述
首先通过Github将源码下载下来：

git clone https://github.com/ggerganov/whisper.cpp.git

在这里插入图片描述

然后通过models/download-ggml-model.cmd进行权重文件下载。

models/download-ggml-model.cmd tiny
models/download-ggml-model.cmd base

在这里插入图片描述
整个whisper系列一共有5个级别的模型，按参数量进行排序，分别是微型tiny，基本base，小型small，中型medium，大型large。
参数base可以替换为base.en,tiny,tiny.en,small,small.en,medium,medium.en,large带en后缀的表示是英语模型，不带en后缀的是多国语言模型。

mkdir build
cd build
cmake ..

在这里插入图片描述
生成vs工程文件如下：

2.3.2 编译whisper.cpp

在这里插入图片描述
编译上面这些vs工程，生成main程序如下：

3、测试

执行main.exe如下：

>main.exe -m C:\Users\tomcat\Desktop\yxy\whisper.cpp\models\ggml-base.bin -f C:\Users\tomcat\Desktop\yxy\whisper.cpp\build\bin\Debug\output.wav -l zh

在这里插入图片描述

修改参数后，执行main.exe如下：

main.exe -m C:\Users\tomcat\Desktop\yxy\whisper.cpp\models\ggml-base.bin -f C:\Users\tomcat\Desktop\yxy\whisper.cpp\build\bin\Debug\output.wav

在这里插入图片描述
最后编写批处理脚本，批量语音识别如下：

chcp 65001
@echo off

REM 设置 PATH 环境变量,包含whisper可执行文件
SET PATH=%PATH%;C:\python312\Scripts

REM 指定所有视频所在路径，支持多级目录。
SET "video_dir=C:output"

REM 循环遍历所有视频
FOR /R "%video_dir%" %%f IN (*.mp4,*.wav,*.avi,*.ts) DO (
    
    REM 提取视频文件名 
    SET "file_name=%%~nf"
    
    REM 切换到视频所在目录
    cd /d "%%~dpf"
    
    REM 为这个视频生成wav音频文件
	ffmpeg.exe -i "%%f" -ar 32000 -acodec pcm_s16le "%%f.wav"
	
	REM 语音文件识别
	main.exe -l zh -osrt -m C:\ggml-medium.bin "%%f.wav"

    REM 返回原目录
    cd /d "%video_dir%"
)

pause

在这里插入图片描述
第三届机器人、人工智能与智能控制国际会议（RAIIC 2024）将于2024年7月5-7日中国·绵阳举行。 RAIIC 2024是汇聚业界和学术界的顶级论坛，会议将邀请国内外著名专家就以传播机器人、人工智能与智能控制领域的技术进步、研究成果和应用做专题报告，同时进行学术交流。诚邀国内外相关高校和科研院所的科研人员、企业工程技术人员等参加会议。
大会网站：更多会议详情
时间地点：中国-绵阳｜2024年7月5-7日

在这里插入图片描述
由河南省科学院、河南大学、郑州航空工业管理学院主办，河南省产学研人工智能研究院、河南大学人工智能学院、郑州航空工业管理学院计算机学院承办的第四届人工智能，大数据与算法国际学术会议 (CAIBDA 2024)将于2024年7月5-7日于中国郑州隆重举行。CAIBDA 2024致力于为人工智能，大数据与算法等相关领域的学者，工程师和从业人员提供一个分享最新研究成果的平台。
大会网站：更多会议详情
时间地点：中国-郑州｜2024年7月5-7日

在这里插入图片描述
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！！！