文章目录安装ffmpeg(解压模式)安装python（源码编译模式）安装pytorch安装whisperwhisper命令行使用python调用whisperpip包离线导出安装whisper是openai开源的语音转文字的技术，可以作为国内收费语音转文字相关软件的替代安装ffmpeg(解压模式)查看系统架构dpkg--print-architecture下载对应版本的ffmpeghttps://www.johnvansickle.com/ffmpeg/old-releases/#解压xz-dffmpeg-5.0.1-amd64-static.tar.xztar-xvfffmpeg-5.0.1
文章目录1、简介1.1whisper简介1.2whisper模型2、安装2.1whisper2.2pytorch2.3ffmpeg3、测试3.1命令测试3.2代码测试：识别声音文件3.3代码测试：实时录音识别4、工具4.1WhisperDesktop4.2Buzz4.3Whisper-WebUI结语1、简介https://github.com/openai/whisper1.1whisper简介Whisper是一种通用的语音识别模型。它是在包含各种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。OpenAI在2022年9月21日开源了号称其英文语音辨识
1Distil-Whisper诞生Whisper是OpenAI研发并开源的一个自动语音识别（ASR，AutomaticSpeechRecognition）模型，他们通过从网络上收集了68万小时的多语言（98种语言）和多任务（multitask）监督数据对Whisper进行了训练。OpenAI认为使用这样一个庞大而多样的数据集，可以提高模型对口音、背景噪音和技术术语的识别能力。除了可以用于语音识别，Whisper还能实现多种语言的转录，以及将这些语言翻译成英语。目前，Whisper已经有了很多变体，也成为很多AI应用构建时的必要组件。最近，来自HuggingFace的团队提出了一种新变体——Di
近期，OpenAI发布了Whisper语音识别模型，声称其在英语语音识别方面已接近人类水平的鲁棒性和准确性。出于对自动语音识别的兴趣，本人对此进行了一些尝试，看看它对中文语音识别的效果。 本内容仅供对语音识别有兴趣或者仅仅希望应用的入门朋友参考。一、安装测试电脑：MacBookPro 测试系统：MacOSMonterey12.61、安装brew 安装brew的目的是为了下一步安装python.如果已经安装，请跳过。 在终端命令行中执行：/bin/zsh-c"$(curl-fsSLhttps://gitee.com/cunkai/Home
一、安装依赖pipinstall-Uopenai-whisper二、安装ffmpegcd/opt#下载5.1版本的ffmpegwgethttp://www.ffmpeg.org/releases/ffmpeg-5.1.tar.gz#解压下载的压缩包tar-zxvfffmpeg-5.1.tar.gz#进入解压后的文件夹cdffmpeg-5.1#安装ffplay需要的依赖sudoapt-getinstalllibx11-devxorg-devlibsdl2-2.0libsdl2-devsudoaptinstallclanglibfdk-aac-devlibspeex-devlibx264-devl
内容来源：@xiaohugggDistil-Whisper：比Whisper快6倍，体积小50%的语音识别模型该模型是由HuggingFace团队开发，它在Whisper核心功能的基础上进行了优化和简化，体积缩小了50%。速度提高了6倍。并且在分布外评估集上的字错误率(WER)不超过1%。它还可以作为Whisper的助手模型用于推测性解码，速度提高了2倍。主要优点：速度-Distil-Whisper的推理速度是Whisper的6倍。尺寸-模型大小减少了49%，更适合资源有限的设备。准确性-词错误率（WER）与Whisper相比只有1%的差距。抗噪声-在嘈杂环境下仍能保持较高的识别准确性。减少
Attention注意力机制模块，兼容自注意力和交叉注意力。AttentionBlockTransformer模块，包含一个自注意力，一个交叉注意力（可选）和一个MLP模块。AudioEncoder+TextDecoder音频编码器和文本解码器。编码器的Transformer模块只有自注意力，解码器的Transformer模块有一个自注意力一个交叉注意力。WhisperWhisper整体模型。
看这个githubhttps://github.com/Purfview/whisper-standalone-win/tags下载视频提取音频ffmpeg-i222.mp4-vn-b:a128k-c:amp3output.mp3截取4秒后的音频ffmpeg-ioutput.mp3-ss4-ccopyoutput2.mp3使用whisper-faster.exe生成字幕whisper-faster.exeC:\Users\pc\Videos\Captures\output3.mp3-l=Chinese--model=medium--output_formatsrt缺少插件解决方法cudnn_o
在11月7日凌晨，OpenAI全球开发者大会宣布了GPT-4的一次大升级，推出了GPT-4Turbo号称为迄今为止最强的大模型。此次GPT-4的更新和升级在多个方面显示出强大的优势和潜力。为了让集简云用户能快速体验新模型的能力，我们第一时间整理了大会发布的模型，并率先将新模型接入到集简云中：● 新增GPT-4TurbowithVersion: 带视觉识别的GPT4模型●新增GPT-4Turbo模型：支持最大128K上下文内容●新增Dall.E3图像模型●更新Whisper模型●更新GPT-3.5模型●新增GPT3.5FineTuning微调功能新增GPT-4TurbowithVersion:带
目录介绍效果输出信息 项目代码下载 介绍github地址：https://github.com/sandrohanea/whisper.netWhisper.net.SpeechtotextmadesimpleusingWhisperModels模型下载地址：https://huggingface.co/sandrohanea/whisper.net/tree/main/classic效果输出信息 whisper_init_from_file_no_state:loadingmodelfrom'ggml-small.bin'whisper_model_load:loadingmodelwhis
