本地部署Whisper实现语言转文字

本地部署Whisper实现语言转文字

码农世界 2024-06-04 后端 95 次浏览 0个评论

文章目录

  • 本地部署Whisper实现语言转文字
  • 1.前置条件
  • 2.安装chocolatey
  • 3.安装ffmpeg
  • 4.安装whisper
  • 5.测试用例
  • 6.命令行用法
  • 7.本地硬件受限,借用hugging face资源进行转译

    本地部署Whisper实现语言转文字

    1.前置条件

    环境windows10 64位

    本地部署Whisper实现语言转文字

    2.安装chocolatey

    安装chocolatey目的是安装ffpeg
    

    以管理员身份运行PowerShell

    粘贴命令

    Set-ExecutionPolicy Bypass -Scope Process -Force; [System.Net.ServicePointManager]::SecurityProtocol = [System.Net.ServicePointManager]::SecurityProtocol -bor 3072; iex ((New-Object System.Net.WebClient).DownloadString('https://community.chocolatey.org/install.ps1'))
    

    安装成功打入choco

    本地部署Whisper实现语言转文字

    安装文件夹路径

    C:\ProgramData\chocolatey
    

    3.安装ffmpeg

    choco install ffmpeg
    

    本地部署Whisper实现语言转文字

    4.安装whisper

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

    安装完成运行

    pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git
    

    安装完成

    本地部署Whisper实现语言转文字

    5.测试用例

    直接命令行

    whisper yoump3.mp3
    

    本地部署Whisper实现语言转文字

    本地部署Whisper实现语言转文字

    6.命令行用法

    以下命令将使用medium模型转录音频文件中的语音:

    whisper audio.flac audio.mp3 audio.wav --model medium
    

    默认设置(选择模型small)非常适合转录英语。要转录包含非英语语音的音频文件,您可以使用以下选项指定语言--language:

    whisper japanese.wav --language Japanese
    

    添加--task translate后将把演讲翻译成英文:

    whisper japanese.wav --language Japanese --task translate
    

    运行以下命令查看所有可用选项:

    whisper --help
    

    7.本地硬件受限,借用hugging face资源进行转译

    进入huggingface网址,往下拉

    https://huggingface.co/openai/whisper-large-v3
    

    本地部署Whisper实现语言转文字

    粘贴上述代码

    import torch
    from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
    from datasets import load_dataset
    device = "cuda:0" if torch.cuda.is_available() else "cpu"
    torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
    model_id = "openai/whisper-large-v3"
    model = AutoModelForSpeechSeq2Seq.from_pretrained(
        model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
    )
    model.to(device)
    processor = AutoProcessor.from_pretrained(model_id)
    pipe = pipeline(
        "automatic-speech-recognition",
        model=model,
        tokenizer=processor.tokenizer,
        feature_extractor=processor.feature_extractor,
        max_new_tokens=128,
        chunk_length_s=30,
        batch_size=16,
        return_timestamps=True,
        torch_dtype=torch_dtype,
        device=device,
    )
    dataset = load_dataset("distil-whisper/librispeech_long", "clean", split="validation")
    sample = dataset[0]["audio"]
    result = pipe(sample)
    print(result["text"])
    

    修改本地代码,将sample修改为,需要转录的录音,接入代理;

    import torch
    from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
    from datasets import load_dataset
    import os
    os.environ['CURL_CA_BUNDLE'] = ''
    os.environ["http_proxy"] = "http://127.0.0.1:7890"
    os.environ["https_proxy"] = "http://127.0.0.1:7890"
    device = "cuda:0" if torch.cuda.is_available() else "cpu"
    torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
    model_id = "openai/whisper-large-v3"
    model = AutoModelForSpeechSeq2Seq.from_pretrained(
        model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
    )
    model.to(device)
    processor = AutoProcessor.from_pretrained(model_id)
    pipe = pipeline(
        "automatic-speech-recognition",
        model=model,
        tokenizer=processor.tokenizer,
        feature_extractor=processor.feature_extractor,
        max_new_tokens=128,
        chunk_length_s=30,
        batch_size=16,
        return_timestamps=True,
        torch_dtype=torch_dtype,
        device=device,
    )
    dataset = load_dataset("distil-whisper/librispeech_long", "clean", split="validation")
    sample = dataset[0]["audio"]
    result = pipe("myaudio")
    print(result["text"])
    

    借用huggingface的速度,速度取决于网速

转载请注明来自码农世界,本文标题:《本地部署Whisper实现语言转文字》

百度分享代码,如果开启HTTPS请参考李洋个人博客
每一天,每一秒,你所做的决定都会改变你的人生!

发表评论

快捷回复:

评论列表 (暂无评论,95人围观)参与讨论

还没有评论,来说两句吧...

Top