1、前言。

好了，接下来看一看。whisper。介绍开源库。

有五种模型大小，四种只支持英语󿀌权衡速度和准确性。以上是可用模型的名称、一般内存需求和相对速度。如果是英文版的语音，直接想转换成英语。

本来想直接在本地电脑上安装环境，也就是说，无非是安装python、ffmpeg、以及whisper，但是发现电脑配置太低，而且我想测试一下。large。模型，CPU。肯定不行，但是如果使用本机的话。 GPU。也快不到哪里去了。 所以我想到了谷歌的colab.research.google.com 免费在线运行󿀌并且我可以使用GPU硬件加速，感觉还是很快的，如果需要的话，当然也可以买。

以下是我的免费配置 colab.research.google.com。

操作还是很流畅的，真的很香＀真的很好吃c;如果需要的话，我想付钱。

适用于这些场景。

• 会议记录: 将录音直接转换成文字。

• 个人视频制作： 很多时候，我希望有字幕效果，听说剪映效果不如这个。

• 课堂记录转写：记录课堂上的内容，直接查看文字版本也很方便。

• 通话记录：一些重要的电话可以录音，以后查询转换成文字也很好。

• 字幕组：不用说 也有可能涉及多语言󿀌如果准备率很高 它可以节省很多东西。

• 实时语音翻译：如果服务器配置足够高，，理论上很快。

2、开始实践。

2.1、检查colab环境。

!nvidia-smi -L!nvidia-smi。

两个指令的运行结果如下：：

1.!nvidia-smi -L。：-L。列出系统上安装的所有参数 NVIDIA GPU 设备。运行此命令后󿀌您将看到关于可用性的信息 GPU 信息，包括它的型号和型号 UUID。

2.!nvidia-smi。：运行无任何参数。 nvidia-smi。会显示有关 NVIDIA GPU 详细信息，包括：

• • GPU 设备的编号、名称、总内存和温度。
  • GPU 使用率（例如，内存和视频内存的利用率）。
  • 运行在 GPU 过程及其相关信息（如进程 ID、#xff09显示器占用等;。

只是我还没有开始在这里使用GPU，因此显示的是空的。

2.2、安装whisper。

!pip install requests beautifulsoup4！pip install git+https://github.com/openai/whisper.gitimport torchimport sysdevice = torch.device('cuda:0')print('使用的设备:', device, file=sys.stderr)print('Whisper已经安装，请执行下一个单元')。

这里主要是安装。这里主要是安装。

whisper。

2.3、 选择whisper模型。

#@markdown # ** whisper Model选择** 🧠Model = 'large-v2' #@param ['tiny.en', 'tiny', 'base.en', 'base', 'small.en', 'small', 'medium.en', 'medium', 'large', 'large-v2']import whisperfrom IPython.display import Markdownwhisper_model = whisper.load_model(Model)if Model in whisper.available_models(): display(Markdown( f"**{ Model} model is selected.**" ))else: display(Markdown( f"**{ Model} model is no longer available.** Please select one of the following: - { ' - '.join(whisper.available_models()}" ))。 我在这里选择最大的模型。我在这里选择最大的模型。

large-v2。

,因为我想转换中文字幕󿀌前四个只支持英语，文章开头也提到了这一点。

2.4、 开始将音频转换为字幕。

audio_path = "/content/downloads/test1.m4a"audio_path_local = Path(audio_path).resolve()transcription = whisper.transcribe( whisper_model, str(audio_path_local), temperature=temperature, **args,)# Save outputwhisper.utils.get_writer( output_format=output_format, output_dir=audio_path_local.parent)( transcription, title)。首先要准备m4a的音频文件，可直接上传到colab。首先要准备m4a的音频文件，这里可以直接上传到colab

左边目前的目录是 content，然后右键新建文件夹。

downloads。，然后在downloads文件夹上点击上传m4a文件。

• 上传后可以看到m4a文件已经在目录下了。whisper.transcribe。
• 该方法有许多参数。whisper_model。
• 主要设置model模型。output_format。
• 文件格式主要设置字幕输出。temperature。低值设置，所以表达相对准确，表达价值越大，可能就越抽象。args。language语言，例如，在这里我要把音频转换成中文字幕 设置为。cn。

或者。

chinese。

主要可以在这里查看 whisper/tokenizer.py at main · openai/whisper · GitHub。2.4、操作检查效果。点击操作后，可以看到一段一段的执行转换，整体感觉操作还是很流畅的，这比其他人在当地运行要快得多。

最后，我们可以看到srt字幕文件已经生成，点击左侧文件直接下载即可。 生成的。

srt。

文件如下。

3、总结。

这个whisper相当于离线版本，可自行部署到本地或服务器，供自己使用，相信后续OpenAI应该会更新，提供更多精彩的功能使用。

from:。5、whisper音频生成字幕󿼌可以本地建设环境运行󿀌阿里云开发者社区的效果质量很好。远程控制kkview 手机电脑看屏幕和摄像头。

分享让更多人看到