python系列&deep_study系列：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）

---

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）

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。

Fast Whisper 的原理

Fast Whisper 是在原始 Whisper 模型的基础上进行的优化，这些优化主要集中在提高推理速度和降低资源消耗上。它通过以下方式实现这些目标：

模型剪枝和量化：

剪枝：通过减少模型中的参数数量（通常是去除那些对模型性能影响较小的参数），从而减少模型的复杂性和运行时内存需求。

量化：将模型的浮点运算转换为整数运算，这通常会显著减少模型大小和提升推理速度，特别是在支持整数运算的硬件上。

硬件优化：

Fast Whisper 针对特定的硬件架构（如 GPU 和 TPU）进行了优化，以更高效地利用这些硬件的并行处理能力。

更高效的解码器：

使用更高效的解码策略，比如更小的 beam size 或更快的贪心算法，来减少在生成预测时所需的计算量。

Fast Whisper 主要在以下方面进行了改进：

速度：通过上述技术，Fast Whisper 在进行语音到文本转录时的速度更快，这使得它更适合实时或接近实时的应用场景。

资源消耗：减少了模型的计算需求和内存占用，使得它可以在资源受限的设备上运行，如移动设备和嵌入式系统。

效果：在保持相似的识别准确率的同时，Fast Whisper 的主要优势是速度和效率。在某些情况下，模型优化可能会轻微牺牲准确性，但通常这种牺牲是微小的。

一、部署

下载fast-whisper

GitHub - SYSTRAN/faster-whisper: Faster Whisper transcription with CTranslate2

pip install faster-whisper

模型下载：

large-v3模型：https://huggingface.co/Systran/faster-whisper-large-v3/tree/main
large-v2模型：https://huggingface.co/guillaumekln/faster-whisper-large-v2/tree/main
large-v2模型：https://huggingface.co/guillaumekln/faster-whisper-large-v1/tree/main
medium模型：https://huggingface.co/guillaumekln/faster-whisper-medium/tree/main
small模型：https://huggingface.co/guillaumekln/faster-whisper-small/tree/main
base模型：https://huggingface.co/guillaumekln/faster-whisper-base/tree/main
tiny模型：https://huggingface.co/guillaumekln/faster-whisper-tiny/tree/main

示例：

from faster_whisper import WhisperModel
 
model_size = "large-v3"
 
# Run on GPU with FP16
model = WhisperModel(model_size, device="cuda", compute_type="float16")
 
# 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.mp3", beam_size=5)
 
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))

替换成自己的音乐，运行：

二、服务器部署，远程调用

api.py:

from fastapi import FastAPI, File, UploadFile
from fastapi.responses import JSONResponse
from faster_whisper import WhisperModel
import shutil
import os
import uvicorn
 
app = FastAPI()
 
# 配置 Whisper 模型
model_size = "large-v3"
model = WhisperModel(model_size, device="cuda", compute_type="float16")
 
@app.post("/transcribe/")
async def transcribe_audio(file: UploadFile = File(...)):
    temp_file = f"temp_{file.filename}"
    
    # 保存上传的文件到临时文件
    with open(temp_file, 'wb') as buffer:
        shutil.copyfileobj(file.file, buffer)
 
    try:
        # 使用 Whisper 模型进行转录
        segments, info = model.transcribe(temp_file, beam_size=5)
        os.remove(temp_file)  # 删除临时文件
        
        # 组装转录结果
        results = [{
            "start": segment.start,
            "end": segment.end,
            "text": segment.text
        } for segment in segments]
 
        return JSONResponse(content={
            "language": info.language,
            "language_probability": info.language_probability,
            "transcription": results
        })
    except Exception as e:
        os.remove(temp_file)  # 确保即使出错也删除临时文件
        return JSONResponse(status_code=500, content={"message": str(e)})
 
if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=1050)

远程调用:

http://192.168.110.12:1050/transcribe/

三、代码中调用服务器

替换成自己部署服务的ip：

import requests
 
with open('5.wav', 'rb') as f:
    response = requests.post(
        'http://****.***.***.***:1050/transcribe/', 
        files={'file': ('output.wav', f, 'audio/wav')})
data = response.json()  # Get the JSON response
text = data['transcription'][0]['text']
print("识别结果：", text)

总结：效果杠杠的，速度比whisper快太多了 ，可进行商业应用了。

---

学术菜鸟小晨

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）