Whisper的安裝

Whisper是OpenAI的一個強(qiáng)大的語音識別庫，支持離線的語音識別。在使用之前，需要先安裝它的庫：

pip install openai-whisper

使用whisper，還需安裝setuptools-rust：

pip install setuptools-rust

但是，whisper安裝時，自帶的pytorch可能有些bug，因此需要卸載重裝：

卸載：

pip uninstall torch

重裝：

pip install torch

另外，需要通過choco安裝ffmpeg庫。先通過管理員權(quán)限的PowerShell安裝choco：

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

然后，在管理員權(quán)限的PowerShell安裝ffmpeg：

choco install ffmpeg

完成這些步驟之后，我們就可以使用啦！

Whisper的基本使用

whisper的基本代碼如下：

import whisper

model = whisper.load_model("base")
result = model.transcribe("zh.wav")
print(result['text'])

其中，zh.wav可以換成你自己的音頻。我的控制臺輸出：

我們說,40月2日混淩土不能與引力長相互攪拌不然會因?yàn)閻坫y斯坦的相對論而引發(fā)雜串的食品安全問題這是嚴(yán)重的金融危機(jī)

可以看到，它的識別結(jié)果還行（因?yàn)槲业囊纛l是AI合成的，識別會有一定誤差），但是輸出的是繁體中文，我們需要把他變成簡體中文。

識別結(jié)果轉(zhuǎn)簡體中文

可以通過opencc庫實(shí)現(xiàn)轉(zhuǎn)化，先安裝：

pip install opencc

然后修改代碼：

import whisper
import opencc

model = whisper.load_model("base")
result = model.transcribe("zh.wav")
cc = opencc.OpenCC("t2s")
res = cc.convert(result['text'])
print(res)

輸出：

我們說,40月2日混凌土不能與引力長相互攪拌不然會因?yàn)閻坫y斯坦的相對論而引發(fā)雜串的食品安全問題這是嚴(yán)重的金融危機(jī)

斷句

在一個語音中，我們都會有一些停頓。但是，在識別結(jié)果中，這些停頓并沒有被完全表示出來。我們可以如此修改代碼，實(shí)現(xiàn)按斷句輸出結(jié)果：

import whisper
import opencc

model = whisper.load_model("base")
result = model.transcribe("zh.wav")
cc = opencc.OpenCC("t2s")
for i in result['segments']:
    res = cc.convert(i['text'])
    print(f"斷句開始于{i['start']}秒，結(jié)束于{i['end']}秒，識別結(jié)果：{res}")

輸出：

斷句開始于0.0秒，結(jié)束于5.36秒，識別結(jié)果：我們說,40月2日混凌土不能與引力長相互攪拌
斷句開始于5.36秒，結(jié)束于11.14秒，識別結(jié)果：不然會因?yàn)閻坫y斯坦的相對論而引發(fā)雜串的食品安全問題
斷句開始于11.14秒，結(jié)束于13.44秒，識別結(jié)果：這是嚴(yán)重的金融危機(jī)

到此這篇關(guān)于Python使用whisper實(shí)現(xiàn)語音識別(ASR)的示例代碼的文章就介紹到這了,更多相關(guān)Python whisper語音識別內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論