设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 4575|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 # ^8 S7 Q) S9 Z0 [" s, t
% r) M- c& m6 D9 S
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。
. [# o  [; p" C/ P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。' i0 p/ ]+ C( ~: `4 L
----------------------------------------! H( G& H# t8 \) m7 u9 C' 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。! e  R  ?+ \0 M8 ~" s
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。
( n( `6 E  {$ f+ f+ o, ]----------------------------------------0 A) |5 M0 a5 v6 S& C8 t5 h/ e
https://github.com/guillaumekln/faster-whisper
6 U# D  k; i" ~! a安装如下:
# L6 N* D& f) ~. V& q' N1, Windows 101 ~6 v7 V+ p- g( D4 r1 R3 x
2, Python 3.10.11
" h; a, f8 ^/ h* U3, CUDA 12.1
) S. t) |* e' t/ W# s, m4, 在python 3 中安装
8 ^! K# f. ~: G# V4 _pip install setuptools-rust torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117! K  J# M( O, O% P3 h: f
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。
5 l1 m: |+ b! ]9 S, m0 i5 M5,pip install -U openai-whisper
% |' j6 c' g1 W; |" L- F+ o2 V' U这是向whisper 致敬,可以不装: E; \6 B6 G( J, |+ Y
6,pip install faster-whisper  i) J& k  s6 F, O8 b
----------------------------------------/ L1 @4 _8 `5 o+ `8 `- i
whisper 我用的命令行,faster-whisper 我用的是python。* X/ c% E) W7 o9 v4 U
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:! D/ J1 l/ G1 X
' S2 S" C1 M: F" @) E) c* ?9 F0 D# C
----------------------------------------- z6 t- H0 _# Q9 p- N2 N3 o
9 i8 a0 @, l7 e" d
from faster_whisper import WhisperModel2 m1 q! C0 `3 C
4 p9 K5 X, R) }5 S# {
model_size = "small"
$ `! {( _% z; J3 `
% P) h( O% V3 K4 cmodel = WhisperModel(model_size, device="cuda", compute_type="int8")2 m0 c* j( V& Y5 D

$ E/ r5 b2 O2 xsegments, info = model.transcribe(6 b6 O& |2 A* i! K% I- d
    sourceFileName,
( o( M5 f4 |2 l: X2 T) e    beam_size=5,
6 F* W5 k7 \3 `6 D    language="en", ! g1 L7 t& U! Y2 ^$ ~
    task="transcribe", ! O  t" j9 L9 z( d8 M
    word_timestamps=True, 3 X+ N! F) B# H) @
    initial_prompt = "Hello, welcome to my lecture.")
' k( B6 y+ J2 }( {- \" @
, I6 ~4 U9 T6 }6 D& ]& ufor segment in segments:
1 v; Y, O5 Z, A; M    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))0 e" u- I  E: e! B" A0 T
8 `; b% z6 |- _3 }2 Q" ]# v
        for word in segment.words:' d* x; c  F  S) j/ W/ I
               
8 I. J  u7 q1 S' D0 _& g8 a- F1 F* k----------------------------------------
, y* N) W; Q9 r' s9 P. ]! P
6 B& y1 Q2 [& {1 W4 s( {代码说明:
4 W8 k- D0 j2 h* y1,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。
  _% T8 }+ {) X- e9 s0 r. q3 g& W* i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。' s7 ^5 y8 g  ?9 y$ T
2,segment 本身是很粗糙的,做字幕勉强能用。
3 ~/ Z+ K) o* y% ^$ s3,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。
' {. S$ @& a3 V4,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$ w5 H0 D6 M% o! X3 i2 l1 H: n
比如 "faster." 这个句号是和前一个单词 faster 放在同一个 word 里面的。2 P. p; j+ a1 o! x& T) O: r) c0 M
5,model.transcribe 中参数说明:
7 t9 q% h2 @" C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4 j7 I: h7 J! {/ Y: B  ?2 Z# m6 [/ z
其中' H3 m" k) z$ D+ N; \
    word_timestamps=True, , j% p# @2 f7 ~0 R
保证了你能拿到 word,否则是拿不到的9 L3 Q# [/ q/ M' S  v0 Q( Y6 L
    initial_prompt = "Hello, welcome to my lecture.")( m6 J) A+ T+ O$ s3 k7 O
保证能尽可能准确的断句 punctuation,但是不是决定性的。
$ \3 B  w+ v. G1 A  [( l7 D! T% Q其他参数可参考源文件:
& m/ u* ]& V/ x5 {5 phttps://github.com/guillaumekln/ ... isper/transcribe.py
; B& S1 R+ e- E2 h" b* x: p/ K+ O152 def transcribe(3 I' L: r% a' C( W) @+ x
从源文件你可以看到是支持中文的句号断句的。
' l! V$ u8 E4 o4 k# ~" X; w9 N1 C/ y7 a0 @" y. l& W" I6 g" q) c: P/ X, K7 Z8 a2 P
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。7 O# z. ?8 U& o! B# w
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。
! ~* @/ l5 [" m8 K* N! O8,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。+ Q" B4 U% M$ Q8 B) o
% e5 C" ?5 `7 \/ ^+ I7 S

9 u7 P+ k3 l. U' n
* p& z  ?* W  A2 [  g# ^* }

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, 2025-7-10 12:17 , Processed in 0.035453 second(s), 18 queries , Gzip On.

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表