设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 4786|回复: 1
打印 上一主题 下一主题

[信息技术] faster-whisper 更快的语音到文字的识别 ASR

[复制链接]

该用户从未签到

跳转到指定楼层
楼主
 楼主| 发表于 2023-6-4 02:10:18 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 nanimarcus 于 2023-6-4 02:24 编辑
4 X* C4 T; n5 h& a: B4 d$ Y0 a  p/ z4 S- i. o* b" @
借着 chatGPT 这股热潮研究了一下 Whisper,学名叫 automatic speech recognition (ASR) ,就是转换声音到文字的。
0 l* W4 ^" c; T4 c; k效果我是很满意的,唯一不满的是速度,在六年前的主流显卡上基本上是一倍速,基本上只用在自己特别喜欢的媒体文件上了。
( _6 R! `& t( D: }6 p$ I' W# C* r----------------------------------------- W; \9 @" Y8 P1 r) Y  r
显然不满意的不是我一个,活雷锋很快就出来了,名字很谦虚也很霸气 faster-whisper。
4 g" I8 O6 n4 d6 A5 l4 b5 O在六年前主力显卡3G内存上,model small,能跑到12倍速,这个是相当满意了。
+ f# H$ o4 C# I----------------------------------------
) O5 V2 m8 Q0 ]  h+ J. p! z" H6 Whttps://github.com/guillaumekln/faster-whisper/ P" C9 D' s$ l2 @. h  Y
安装如下:/ B8 d0 |' t% u
1, Windows 10
' Y! B8 \5 K0 {" r5 ^8 r. ^8 e2, Python 3.10.11" O! V+ i+ R8 q5 }# _* P" e
3, CUDA 12.1
% c9 H. W: a1 f5 @: W# z# @4, 在python 3 中安装2 Z- Z! O6 Q* Z% y* Z+ Y
pip install setuptools-rust torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
* j1 X3 D' {3 i这一步最后一个安装文件 cu117-cp310-cp310-win_amd64.whl 大小2343.6 MB,如果没显示,你得检查一下你的环境。
+ a$ P) V& A" n5 R5,pip install -U openai-whisper
$ ?+ s" E( N! I: f, R1 I+ X6 \这是向whisper 致敬,可以不装# T, s( {2 r4 U1 C/ @/ a' |
6,pip install faster-whisper
6 X# |4 z6 I1 C% D1 J' f0 }----------------------------------------
$ L' i* O9 p# p! bwhisper 我用的命令行,faster-whisper 我用的是python。/ F3 d* r) C# z# B9 p+ @# ^
下面给出了部分参考代码,根据主页上的参考代码我做了修改,但这个不是能运行的代码:! G: P5 N) {- J" S( I

+ O# P( f! |2 X% p+ P/ \- E, U----------------------------------------
; g0 S% X' P4 o+ }  Q0 f/ L+ N5 ^- g+ v8 H
from faster_whisper import WhisperModel7 \: d; _% q9 J- k1 l- i; }( u

, h, d! \7 t+ smodel_size = "small"
- m4 s. l) g- i* W6 k
" \, u: P) a& O% b$ {* ]2 D. Emodel = WhisperModel(model_size, device="cuda", compute_type="int8")
, o; F4 ]% `: R0 s" \$ R/ e3 ]3 C  V
segments, info = model.transcribe(
% I0 {! [- [* N" w5 [: a  ?    sourceFileName,
* ~/ B" X$ D  G* J% U    beam_size=5,
6 _: w' w, L4 |/ _! p6 B5 b* p    language="en", 8 g- {) z" F$ q1 U8 {5 o& x$ G
    task="transcribe", ! X( |$ u. X$ i5 a: ^
    word_timestamps=True,
, X) o4 V( S5 m7 k3 m5 U    initial_prompt = "Hello, welcome to my lecture.")
. j# c. N8 `/ w% G
, u. |6 ]7 `+ @for segment in segments:! c3 s2 f6 B* L0 D1 U8 r
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))
  x9 G# @- k1 f
8 v2 g- G2 z6 w# h: }        for word in segment.words:
2 m; }2 \4 V" R' v5 U" m               
" g: o( {% k0 G& z----------------------------------------
* L$ Y0 y2 b' z' S4 n% R7 v% w
" S# @* `- D7 R( Y代码说明:
  B4 u4 t7 u! g1,model.transcribe 只是建立了模型,并没有运行,运行 是从 for segment in segments: 这一句开始的。
) V& j8 n; @: A, {+ ?# g, l1 s但是这一步很重要(废话),我的程序有时候会无征兆退出就是在这一步,没有任何错误信息,倒是Windows 侦测到,但也没给出有意义的信息。
# t4 u1 r: K. k+ _. R  \, r2,segment 本身是很粗糙的,做字幕勉强能用。
8 q5 H& N& C! E% Z/ K2 [3,word 才是真正的精确控制的,本身带时间轴,所以要做比较好的字幕,必须用到word。- V8 v* G/ s9 V; o' H
4,word 里面是包含标点符号的,也就是说标点符号不是独立的,是附着在前一个word中4 L& B% A1 i- b- u/ h1 E+ j+ U
比如 "faster." 这个句号是和前一个单词 faster 放在同一个 word 里面的。3 R6 [& L1 M1 A1 ?/ m" N6 T
5,model.transcribe 中参数说明:
6 G, A+ f# D7 A0 \; ?4 x9 @你要是对 whisper 的参数有所了解的话,基本上这些参数就是对应whisper 的参数9 z7 z, [4 H6 F
其中
! O3 [4 T: h! m0 ], k4 X    word_timestamps=True, - K5 X5 Y9 B$ [
保证了你能拿到 word,否则是拿不到的
  [" g9 D5 Y3 ?    initial_prompt = "Hello, welcome to my lecture.")
6 t7 i0 s, u( r! d& Y保证能尽可能准确的断句 punctuation,但是不是决定性的。+ i% j! a# t9 ]1 ~( d- [
其他参数可参考源文件:
1 I7 {7 H9 Z- p+ ahttps://github.com/guillaumekln/ ... isper/transcribe.py
" R! V9 d( [( m' D$ x0 {+ c9 N: @152 def transcribe(
% g9 C8 q3 Y  M! k1 ]; f$ x, L从源文件你可以看到是支持中文的句号断句的。, b. H  I0 s" Z# m5 S' N4 Q
' T! q2 t* G) N. ]* S7 }0 b6 ?1 C
6,如果要尽可能准确的 punctuation,根本办法是用比较大的模型 medium,或者更大。: f" V9 k% I# g$ U& g
7,我自己观察一个小时之内可以保证断句准确,再长就很可能不行,所以我的办法是切割文件到一个小时,识别后再聚合,效果不错。. O. M) D/ Q9 S2 b) r% K" g
8,faster-whisper 会上传一些信息,检测到不停的使用网络,曾经有一次代码出错就是访问网络,你要是有洁癖就把网络暂时给关了。
6 o! H, }8 v9 _* g; b4 B
" a7 _5 A. o( D( V$ h
  P5 o- a0 }' K
7 W, ^: g" {& y9 D; Z' r- [# @4 r

评分

参与人数 4爱元 +32 收起 理由
蓦然回首 + 8
唐家山 + 4
老票 + 12
老财迷 + 8

查看全部评分

该用户从未签到

沙发
 楼主| 发表于 2023-6-4 11:53:23 | 只看该作者
多谢各位榜爷打赏。
回复 支持 反对

使用道具 举报

手机版|小黑屋|Archiver|网站错误报告|爱吱声   

GMT+8, 2025-9-16 04:26 , Processed in 0.041049 second(s), 19 queries , Gzip On.

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表