这篇文章主要介绍了python语音识别whisper如何使用的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇python语音识别whisper如何使用文章都会有所收获，下面我们一起来看看吧。
whisper语音识别
Whisper 是一种通用的语音识别模型。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。
stable-ts在 OpenAI 的 Whisper 之上修改并添加了更大的破解代码发布，生成更准确的阶段时间切换，并在无须额外推介的情况下获得申领
安装
pip install openai-whisper pip install stable-ts| Size | Parameters | English-only model | Multilingual model | Required VRAM | Relative speed |
|---|---|---|---|---|---|
| tiny | 39 M | tiny.en | tiny | ~1 GB | ~32x |
| base | 74 M | base.en | base | ~1 GB | ~16x |
| small | 244 M | small.en | small | ~2 GB | ~6x |
| medium | 769 M | medium.en | medium | ~5 GB | ~2x |
| large | 1550 M | N/A | large | ~10 GB | 1x |
示例
模型越大，越精确，相应话费的时间越长
自带语言识别功能，language最好加上，下面歌曲识别为英语，加后为中文
stable_whisper 是 whisper 进化版
import whisperimport stable_whisper as whisperclass 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)
可能是伴奏声音过大，你才出来这是什么歌了吗？stable_whisper 别的用法、生成字幕
import stable_whispermodel = stable_whisper.load_model('base')results = model.transcribe('257853511.mp3', fp16=False, language='Chinese')stable_whisper.results_to_sentence_srt(results, 'audio')stable_whisper.results_to_sentence_word_ass(results, 'audio.ass')封装工具
buzz
如果遇到简繁转换可以石下面
pip install zhconvzh-cn 大陆简体
zh-hant 繁體
from zhconv import convert convert('Python是一种动态的、面向对象的脚本语言', 'zh-hant')'Python是一種動態的、面向對象的腳本語言'关于“python语音识别whisper如何使用”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“python语音识别whisper如何使用”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注编程网行业资讯频道。
