openai/whisper
Whisper 是通用语音识别模型,可将多种语言的语音转成文字、识别所说语言,并将非英语语音译成英文。
通过大规模弱监督训练实现稳健的语音识别。
- 适合需要音频转文字或将语音识别接入程序的用户,既可通过命令行使用,也可在 Python 中调用。
- 基本流程是音频文件 → 加载模型 → 识别语音 → 输出文字,支持处理 FLAC、MP3、WAV 等音频文件。
- 入门可先运行 pip install -U openai-whisper 并安装 ffmpeg,再运行 whisper audio.mp3 –model turbo 转写音频。
- 提供 tiny、base、small、medium、large、turbo 六种模型规模,可按速度、准确度和显存需求选择,识别效果也随语言而变化。
- 将非英语语音译成英文时,应选择支持多语言的 tiny、base、small、medium 或 large 模型并设置 –task translate,turbo 不支持该翻译任务。
发表回复