whisper(语音识别)+ffmpeg介绍
Whisper是OpenAI于2022年9月份开源的通用的语音识别模型。它是在各种音频的大型数据集上训练的模型,也是一个可以执行多语言语音识别、语音翻译和语言识别的多任务模型。Whisper 是一它在不同音频的大型数据集上进行训练,也是一个多任务模型,可以执行多语言语音识别以及语音翻译和语言识别。
安装参考
python语音识别whisper_stable ts-CSDN博客
windows 下安装 ffmpeg - 知乎 (zhihu.com)
pycharm环境下使用代码
import whisper
class WhisperTranscriber(object):
def __init__(self, model_name):
self.model = whisper.load_model(model_name)
def whisper_transcribe(self, audio_path):
audio = self.model.transcribe(audio_path, fp16=False, language='Chinese')
return audio['text']
if __name__ == '__main__':
transcriber = WhisperTranscriber("base")
text = transcriber.whisper_transcribe("257853511.mp3")
print(text)
在pycharm环境下会出现的问题
问题一
File "c: Users KID1412\AppDatalLocallPrograms\Python\Python39\lib\subprocess.py", line 1420, in _execute_childhp, ht, pid, tid = _winapi.CreateProcess(executable, args,FileNotFoundError:[WinError 2]系统找不到指定的文件。
我们需要找到subprocess.py (可点击deBUG里面的进行跳转)找到poper类修改里面的shell=False 为 shell=True
问题二
重启pycharm环境如果依旧报错 可修改如下shell路径