python语音辨认whisper

一、配景

迩来想提取一些视频的字幕，语音文案，研究了一波
二、whisper语音辨认

Whisper 是一种通用的语音辨认模子。它在差别音频的大型数据集上举行训练，也是一个多使命模子，可以执行多语言语音辨认以及语音翻译和语言辨认。
stable-ts在 OpenAI 的 Whisper 之上修改并添加了更大的破解代码发布，生成更正确的阶段时间切换，并在无须额外推介的情况下得到申领

• 安装
  1. pip install  openai-whisper
  2. pip install  stable-ts

  复制代码
•    SizeParametersEnglish-only modelMultilingual modelRequired VRAMRelative speedtiny39 Mtiny.entiny~1 GB~32xbase74 Mbase.enbase~1 GB~16xsmall244 Msmall.ensmall~2 GB~6xmedium769 Mmedium.enmedium~5 GB~2xlarge1550 MN/Alarge~10 GB1x
  

三、示例

模子越大，越正确，相应话费的时间越长
自带语言辨认功能，language最好加上，下面歌曲辨认为英语，加后为中文
stable_whisper 是 whisper 进化版 即 python的这个包stable-ts

1. import whisper
2. import stable_whisper as whisper
4. class WhisperTranscriber(object):
6.     def __init__(self, model_name):
7.         self.model = whisper.load_model(model_name)
9.     def whisper_transcribe(self, audio_path):
10.         audio = self.model.transcribe(audio_path, fp16=False, language='Chinese')
11.         return audio['text']
13. if __name__ == '__main__':
15.     transcriber = WhisperTranscriber("base")
16.     text = transcriber.whisper_transcribe("257853511.mp3")
17.     print(text)

复制代码

可能是伴奏声音过大，你猜出来这是什么歌了吗？stable_whisper 别的用法、生成字幕

1. import stable_whisper
2. model = stable_whisper.load_model('base')
3. results = model.transcribe('257853511.mp3', fp16=False, language='Chinese')
4. stable_whisper.results_to_sentence_srt(results, 'audio')
5. stable_whisper.results_to_sentence_word_ass(results, 'audio.ass')

复制代码

四、封装工具

buzz https://github.com/chidiwilliams/buzz

1. 如果遇到简繁转换可以石下面
2. pip install zhconv
4. zh-cn 大陆简体
5. zh-hant 繁體
7. from zhconv import convert     
8. convert('Python是一种动态的、面向对象的脚本语言', 'zh-hant')
9. 'Python是一種動態的、面向對象的腳本語言'

复制代码

来源：https://blog.csdn.net/a6864657/article/details/129210784
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！