搭建本地whisper语音识别

已于 2024-07-29 15:22:43 修改
阅读量1.8k 收藏 26
点赞数 34
分类专栏： 人工智能 文章标签： whisper 语音识别
于 2024-06-02 17:21:26 首次发布
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_72254790/article/details/139393393
版权

目录

代码仓库

​编辑

选择模型

环境配置

语音识别测试

Whisper是一个通用的语音识别模型。它是在不同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。

代码仓库

GitHub - openai/whisper：通过大规模弱监督实现鲁棒语音识别

方法1.可以通过pip 安装下载，但是呢这种方式对我们并不透明，后面下载模型要找的麻烦一点。

pip install -U openai-whisper

方法2.通过版本源代码zip的方式放置在项目或者环境中

然后我们只需要压缩包里面的文件夹，把文件夹拉到所需项目或者目标环境中：

选择模型

打开我们刚刚复制文件夹内的whisper\__init__.py中，在里面可以看到（我只展示了部分代码）以下各种模型的下载连接：

_MODELS = {
    "tiny.en&
最低0.47元/天 解锁文章
鱼在在
关注
专栏目录
如何本地搭建Whisper语音识别模型｜语音识别｜本地部署
08-30 587
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。
【内网穿透】如何本地搭建Whisper语音识别模型并配置公网地址
热门推荐
weixin_44976692的博客
07-18 1万+
OpenAI开源的 Whisper 语音转文本模型效果都说还不错，今天就给大家推荐 GitHub 上一个开源项目 Whisper Web，允许你可直接在浏览器中运行使用 Whisper。基于 ML 进行语音识别，并可通过 WebGPU 进行运行加速，无需后端服务器，直接开箱即用。另外，识别到的文本支持导出 TXT 和 JSON 两种文件格式。
本地搭建和运行Whisper语音识别模型小记
laochao2020的博客
08-31 1086
搭建本地的Whisper语音识别模型可以是一个非常有用的项目，尤其是在需要离线处理语音数据的情况下。Whisper是OpenAI开发的一个开源语音识别模型，支持多语言和高效的转录能力。
如何本地搭建Whisper语音识别模型
AI逍遥子
09-05 576
Whisper提供了多种预训练模型，可以从官网或项目页面下载相应的模型文件并放置在指定目录。使用以下命令运行模型进行语音识别。可以通过传入不同的参数来处理不同的音频文件和任务。: 如果有NVIDIA GPU，可以进一步加速模型推理。: 确保安装了Python 3.7或以上版本。: 用于克隆Whisper项目的代码仓库。打开终端，克隆Whisper项目的代码库。2、安装项目所需的Python包。创建并激活Python虚拟环境。
如何本地搭建 Whisper 语音识别模型？一文解决
玩AI的小胡子-博客
08-26 841
在安装和使用 Whisper 过程中，可能会遇到依赖安装问题，特别是在处理不同操作系统时。如果遇到 Rust 相关的安装错误，确保 Rust 已正确安装，并根据需要调整 PATH 环境变量。Whisper 提供了多种模型，从 “tiny” 到 “large”，你可以根据需求选择不同大小的模型，平衡速度和精度。要在本地搭建 Whisper 模型，需要完成以下几个步骤，确保模型在你的设备上顺利运行。Whisper 的安装需要依赖一些额外的工具，例如 FFmpeg，用于处理音频文件。
本地部署whisper模型（语音转文字）
maxcode
01-31 2947
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。
FastGPT 调用本地Whisper模型进行语音转文字
yixiuquan的博客
04-24 3970
fastgpt默认的语音转文字模型使用的openai里面的，由于我没有token故需要自己部署，经研究发现可以部署本地的whisper，但是该接口无法接入到oneapi（我目前没研究出来）。注：fastgpt的麦克风权限是本地部署的才能用，或者有HTTPS证书的才可以用（麦克风权限比较重要可能涉及隐私，故浏览器对这个要求比较严格）。3、找到要修改的文件并修改，一般容器都没有安装vim\nano等编辑器。将 `:` 替换为你要保存的新镜像的名称和标签。
本地部署，Whisper: 开源语音识别模型
07-24 1588
Whisper 是一个由 OpenAI 训练的强大的开源语音识别模型，它可以将语音转换为文本。Whisper 支持多种语言和语音，并且能够识别不同口音和背景噪音。它在各种语音识别任务中表现出色，包括语音转文本、语音翻译和语音命令识别。Whisper 是一个强大且易于使用的开源语音识别模型，它可以应用于各种场景。其多语言支持、高精度和鲁棒性使其成为语音识别任务的理想选择。t=N7T8。
本地搭建 Whisper 语音识别模型
最新发布
vvvae1234的博客
09-05 1434
Whisper 是由 OpenAI 开发的一款强大的语音识别模型，具有出色的多语言处理能力。搭建和使用 Whisper 模型可以帮助您将音频内容转换为文本，这在语音转写、语音助手、字幕生成等应用中都具有广泛的用途。本指南将对如何在本地环境中搭建 Whisper 语音识别模型进行详细的说明，并通过实例演示使您更容易理解和应用。
Matlab语音识别（whisper）
06-12
本人刚做好的毕业设计，多多指点…… 包括端点检测、 MFCC LPCC参数的运用，HMM
本地搭建Whisper语音识别模型-超详细教程-亲测可用
Dreams°的博客
08-28 329
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。
Whisper（语音识别，语音转文本）本地部署
weixin_45972052的博客
04-10 2207
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。在虚拟环境中进行安装。
语音识别whisper
caridle的专栏
04-06 1793
Whisper是一个通用的语音识别模型，它使用了大量的多语言和多任务的监督数据来训练，能够在英语语音识别上达到接近人类水平的鲁棒性和准确性1。Whisper的架构是一个简单的端到端方法，采用了编码器-解码器的Transformer模型，将输入的音频转换为对应的文本序列，并根据特殊的标记来指定不同的任务2。您还需要在您的系统上安装ffmpeg命令行工具2。安装完成后，您可以使用edge_tts.Communicate类来创建一个Whisper对象，并调用其transcribe方法来对音频文件进行语音识别3。
语音识别的本地部署
wwm2003____的博客
05-29 384
运行命令：pip install git+https://github.com/openai/whisper.git。三、下载自己版本的cuda并在虚拟环境安装。下载完成后配置环境变量并重启电脑。二、配置anaconda环境。三、安装whisper。一、安装ffmpeg。
Python使用whisper实现语音识别（ASR）
wozuishuai_的博客
03-19 5619
在一个语音中，我们都会有一些停顿。但是，在识别结果中，这些停顿并没有被完全表示出来。可以看到，它的识别结果还行（因为我的音频是AI合成的，识别会有一定误差），但是输出的是繁体中文，我们需要把他变成简体中文。Whisper是OpenAI的一个强大的语音识别库，支持离线的语音识别。其中，zh.wav可以换成你自己的音频。另外，需要通过choco安装ffmpeg库。完成这些步骤之后，我们就可以使用啦！
python调用whisper
05-14
Whisper是Ethereum的一个机密存储和通信协议，用于在分布式应用程序中实现加密通信。如果你想在Python中调用Whisper，可以使用web3py库。以下是一个简单的示例代码： ```python from web3 import Web3, HTTPProvider # 连接到以太坊节点 w3 = Web3(HTTPProvider('http://localhost:8545')) # 创建一个新的Whisper标识符 shh = w3.shh # 生成新的Whisper标识符 identity = shh.newIdentity() # 订阅一个主题 topic = shh.newMessageFilter({ "topics": ["0x12345678"], "to": identity, }) # 发送一个加密的Whisper消息 shh.post({ "from": identity, "to": identity, "topic": "0x12345678", "payload": Web3.toHex(text="Hello, Whisper!"), "ttl": 50, }) ``` 在这个例子中，我们使用web3py库连接到以太坊节点，并通过`shh.newIdentity()`方法创建一个新的Whisper标识符。然后，我们使用`shh.newMessageFilter()`方法订阅一个主题，并使用`shh.post()`方法发送一个加密的Whisper消息。
评论
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