OpenAI开源免费AI语音转文字工具Whisper本地部署指南

OpenAI开源免费AI语音转文字工具Whisper本地部署指南

引用

CSDN

1.

https://blog.csdn.net/TechAI/article/details/136903249

Whisper是OpenAI开发的一款强大的语音识别工具，能够将语音转换为文本，并支持多语言识别、翻译和语言检测。与其他商业语音转文字产品不同，Whisper完全开源且免费，效果出色。本文将详细介绍如何在Windows11系统上部署和运行Whisper。

一、使用场景

语音转文字功能在多个场景中都有重要应用：

• 会议、讲座、法庭、医疗等场景的记录
• 口述笔记，方便需要频繁记录思路、灵感的人
• 智能助手，例如智能音箱、导航等
• 文案提取，将视频中的对话转换为文字

ChatGPT的手机APP中使用的语音对话功能，就是基于Whisper实现的。

二、安装步骤

1. 安装FFmpeg

FFmpeg是一个开源的多媒体框架，用于处理音视频数据。下载地址：ffmpeg.org/download.html

安装完成后，在命令行中输入以下命令检查是否安装成功：

ffmpeg -version

如果无法执行，需要手动配置环境变量PATH。

2. 安装Rust

Rust是一种系统编程语言，Whisper的某些组件需要使用Rust编译。下载地址：rust-lang.org/tools/install

安装完成后，检查命令行是否可以执行：

rustc --version

如果无法执行，需要手动配置环境变量PATH。默认安装位置是~/.cargo/bin。

3. 安装Whisper

创建Python虚拟环境，因为Whisper需要特定版本的Python：

conda create --name whisper_env python=3.9.18
activate whisper_env

安装依赖库：

pip install setuptools-rust
pip install -U openai-whisper

三、运行

命令行运行

在命令行中输入以下命令：

whisper Haul.mp3 --model medium

其中，“Haul.mp3”是测试用的音频文件。“--model medium”指定使用medium版本的模型（Whisper有多种模型：tiny、base、small、medium、large，模型大小依次变大）。

第一次运行时，会先下载指定的模型，需要耐心等待一会儿。模型下载之后，就会开始执行语音识别，输出识别结果，并自动写入文件。

Python代码中运行

import whisper

# 加载模型
model = whisper.load_model("medium")

# 加载音频文件
audio = whisper.load_audio("Haul.mp3")
audio = whisper.pad_or_trim(audio)

# make log-Mel spectrogram and move to the same device as the model
mel = whisper.log_mel_spectrogram(audio).to(model.device)

# detect the spoken language
_, probs = model.detect_language(mel)
print(f"Detected language: {max(probs, key=probs.get)}")

# decode the audio
options = whisper.DecodingOptions()
result = whisper.decode(model, mel, options)

# print the recognized text
print(result.text)

通过以上步骤，你就可以在本地运行Whisper，体验其强大的语音转文字功能了。项目源码地址：github.com/openai/whisper