Whisper（语音识别，语音转文本）本地部署

最新推荐文章于 2024-09-16 23:07:49 发布
最新推荐文章于 2024-09-16 23:07:49 发布
阅读量2.4k 收藏 9
点赞数 6
分类专栏： 虚拟数字人制作 文章标签： whisper 语音识别 人工智能
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。
本文链接：https://blog.csdn.net/weixin_45972052/article/details/136991624
版权
本文介绍了如何安装和配置ffmpeg处理音频文件，包括解决系统找不到文件的bug；使用Anaconda创建Python3.9环境，并匹配Cuda和PyTorch版本；以及在虚拟环境中安装whisper库，提供官方文档作为参考。
摘要由CSDN通过智能技术生成

一、安装好ffmpeg

1、安装ffmpeg，这个好像是用于对音频文件解析和处理的，具体不态清楚

ffmpeg安装教程

2、后面可能出现的问题

如果后面运行时，出现 系统找不到指定文件 的bug时，尝试在上一步添加环境变量中，也添加一个系统变量，并重启一下电脑
在这里插入图片描述

二、使用Anaconda创建所需的环境

1、创建一个新的环境

conda create -n whisper python=3.9

2、判断自己的设备使用什么版本的Cuda和PyTorch

在这里插入图片描述

3、到官网选择正确的版本进行安装

cuda和pytorch版本对应安装网站

4、在虚拟环境中进行安装

在这里插入图片描述
在虚拟环境中进行安装
在这里插入图片描述

三、安装whipser

1、开始安装

pip install git+https://github.com/openai/whisper.git

2、查阅官方文档，了解相关的使用方法

whisper官方文档

3、实现简单的运行，还有其他的用法可以参考官方文档

在这里插入图片描述

龚子亦
关注
专栏目录
实战whisper第三天：fast whisper 语音识别服务器部署，可远程访问，可商业化部署（全部代码和详细部署步骤）
qq_34717531的博客
07-02 836
Fast Whisper 是对 OpenAI 的 Whisper 模型的一个优化版本，它旨在提高音频转录和语音识别任务的速度和效率。Whisper 是一种强大的多语言和多任务语音模型，可以用于语音识别、语音翻译和语音分类等任务。
学习实践-Whisper语音识别模型实战（部署+运行）
LZL2020LZL的博客
04-12 7535
OpenAI的语音识别模型Whisper，Whisper 是一个自动语音识别（ASR，Automatic Speech Recognition）系统，OpenAI 通过从网络上收集了 68 万小时的多语言（98 种语言）和多任务（multitask）监督数据对 Whisper 进行了训练。OpenAI 认为使用这样一个庞大而多样的数据集，可以提高对口音、背景噪音和技术术语的识别能力。除了可以用于语音识别，Whisper 还能实现多种语言的转录，以及将这些语言翻译成英语。
如何本地搭建Whisper语音识别模型｜语音识别｜本地部署
08-30 675
在语音识别技术的迅猛发展下，Whisper作为一个开源的语音识别模型，以其卓越的性能和开源的优势受到了广泛的关注。对于开发者和研究人员而言，在本地环境中搭建Whisper模型，不仅能更好地控制数据安全，还能在不同场景中灵活应用。然而，许多人在本地搭建这一模型时可能会遇到诸多挑战。本文将详细介绍如何在本地环境中搭建Whisper语音识别模型，涵盖从环境配置到模型部署的各个环节，并结合代码实例帮助您轻松实现。
本地部署whisper模型（语音转文字）
maxcode
01-31 3065
Whisper是 OpenAI 2022年发布的一款语音预训练大模型，集成了多语种ASR、语音翻译、语种识别的功能。Whisper使用弱监督训练的方法，可以直接进行多任务的学习。
在 windows 上部署使用 Whisper 教程
最新发布
lazy_11的博客
09-16 3513
Whisper是 OpenAI 提供的开源语音识别模型，能够将音频文件转录为文本或字幕文件，支持多种语言和多格式输出。自动检测和转录多语言音频。支持生成.txt.srt.vtt等格式的字幕文件。能够处理嘈杂环境下的音频。通过 GPU 加速，提高转录效率。通过这篇教程，你已经了解了如何在 Windows 系统上部署 Whisper，创建虚拟环境、安装必要依赖，并利用 GPU 加速音频转录。
搭建Whisper本地语音识别系统
weixin_58606202的博客
09-09 859
Python 3.7及以上版本CUDA支持的GPU（可选但推荐，以提升模型的运行速度）Git通过上述步骤，你已经成功在本地搭建了一个Whisper语音识别系统。你可以进一步根据需要自定义和扩展这一系统，以满足更多复杂的应用场景。祝你使用愉快！如有任何问题，请参考Whisper官方GitHub仓库获取更多帮助。
本地部署 Whisper 及 WhisperDesktop
engchina的专栏
05-08 7117
本地部署 Whisper 及 WhisperDesktop
本地部署 whisper-medusa
engchina的专栏
08-04 552
本地部署 whisper-medus
whisper 语音识别项目部署
萧鼎的博客
08-24 3418
配置只需要解压后将文件里面的bin路径放入系统环境变量Path中即可。7.可以实时录音并且语音转中文的代码编写（使用cpu运行）8.可以实时录音并且语音转中文的代码编写（使用gpu运行）2.使用conda命令创建python3.8环境。4.安装cuda10.0的PyTorch环境。5.使用命令安装whisper库包。6.打开pycharm软件编写代码。3.进入whisper虚拟环境。6.安装和配置ffmpeg软件。1.安装anaconda软件。7.安装cuda软件。9.展示实时翻译结果。
Linux系统上部署Whisper。
yhl18931306541的博客
06-27 1508
Linux系统上部署Whisper。
2023-12-27 语音转文字的whisper应用部署
老林的博客
12-27 2645
要解决问题: 需要一款开源的语音转文字应用, 用于视频自动转换字幕.想到的思路:openai的whisper以及根据这个模型开发的C++应用.其它的补充: 最好在linux下部署,Windows下困难太多.请开始你的字幕自动加载吧.点击 快速C语言入门。
实战whisper语音识别第一天，部署服务器，可远程访问，实时语音转文字（全部代码和详细部署步骤）
qq_34717531的博客
03-18 4437
Whisper是OpenAI于2022年发布的一个开源深度学习模型，专门用于语音识别任务。它能够将音频转换成文字，支持多种语言的识别，包括但不限于英语、中文、西班牙语等。Whisper模型的特点是它在多种不同的音频条件下（如不同的背景噪声水平、说话者的口音、语速等）都能实现高准确率的语音识别，这得益于它在训练过程中使用的大量多样化的音频数据。
本地搭建Whisper语音识别模型-超详细教程-亲测可用
Dreams°的博客
08-28 383
Whisper 为企业提供了一个强大的语音识别解决方案，适用于各种行业的应用，包括客户服务、会议记录和数据分析。凭借其卓越的语音识别准确性和高效性能，Whisper 能帮助你提升操作效率、减少人工成本，并改进客户体验。无论你的业务需求如何，Whisper 都能为你提供可靠的语音处理支持。
实战whisper第二天：直播语音转字幕（全部代码和详细部署步骤）
qq_34717531的博客
03-21 5262
基于Whisper的实时直播语音转录或翻译是一项使用OpenAI的Whisper模型实现的技术，它能够实时将直播中的语音内容转录成文本，甚至翻译成另一种语言。这一过程大致分为三个步骤：捕获直播音频流、语音识别（转录）以及翻译（如果需要）。下面详细解释其原理和意义。
微调Whisper语音识别模型和加速推理
u013250861的博客
06-23 350
OpenAI在开源了号称其英文语音辨识能力已达到人类水准的Whisper项目，且它亦支持其它98种语言的自动语音辨识。Whisper所提供的自动语音识与翻译任务，它们能将各种语言的语音变成文本，也能将这些文本翻译成英文。本项目主要的目的是为了对Whisper模型使用Lora进行微调，支持无时间戳数据训练，有时间戳数据训练、无语音数据训练。目前开源了好几个模型，具体可以在openai查看，下面列出了常用的几个模型。
openai 开源模型Whisper语音转文本模型下载使用
洛阳泰山的博客
05-11 1845
Whisper 是一种通用语音识别模型。它是在大量不同音频数据集上进行训练的，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。官方地址。
如何本地搭建Whisper语音识别模型
借雨醉东风的博客
09-12 1245
Whisper 是 OpenAI 最新推出的一个语音识别模型，它能够将语音转换为文本，并支持多种语言。要在本地搭建和使用 Whisper 语音识别模型。本文教您如何搭建。
如何在你的电脑上完成whisper的简单部署
热门推荐
m0_52156129的博客
03-02 1万+
Windows使用whisper前需要进行的一些环境配置
whisper 本地部署
09-24
### 回答1： Whisper 是 Ethereum 的一种存储模块，可以用来在区块链上发送点对点的消息。它可以在本地部署在 Geth 上，你需要先安装 Geth。 安装完 Geth 之后，你需要在启动 Geth 时使用 `--shh` 参数来启用 Whisper。 示例: ``` geth --shh ``` 你还可以指定 Whisper 的相关配置，如使用的端口等。 示例: ``` geth --shh --shh.port "30311" ``` 在 Geth 启动后，你就可以通过 Geth 控制台来使用 Whisper。如需使用 whisper API 你需要在合约上或通过web3 provider 调用。 有关 Whisper 部署和使用的更多信息，可以参考官方文档: https://github.com/ethereum/wiki/wiki/Whisper ### 回答2： "Whisper"是一个信息传输和存储协议，可以用于在去中心化网络中进行点对点通信。本地部署指的是将这个协议部署在本地环境中，而不是在云端平台或任何其他远程服务器上运行。 将Whisper协议本地部署的优势在于： 1. 隐私和安全：由于信息传输和存储发生在本地环境中，用户更有信心和控制自己的数据。本地部署可以减少第三方获取用户通信内容和元数据的风险。 2. 性能和延迟：由于Whisper协议本地运行，它不需要经过远程服务器的中转和处理，从而减少了通信的延迟。这对于需要实时交流的应用非常重要。 3. 定制和灵活性：本地部署意味着可以根据特定需求进行自定义配置和调整。这样，用户可以根据自己的偏好和需求对Whisper进行更灵活的配置。 然而，Whisper本地部署也存在一些挑战和限制： 1. 需要自行管理和维护：本地部署意味着需要用户自行负责Whisper协议的安装、配置和维护。这可能需要一些技术知识和资源来确保系统的正常运行。 2. 可能存在硬件要求：有些本地部署可能需要特定的硬件设备或网络设置来确保Whisper的顺利运行。这可能限制了某些用户或组织的选择。 总体而言，Whisper的本地部署为需要更大控制权和定制能力的用户提供了一个可选方案。通过本地部署，用户可以更好地保护隐私、提高性能，并根据自己的需求进行灵活配置。然而，也需要考虑到管理和维护的挑战，以及可能存在的硬件限制。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值