使用openai-whisper实现语音转文字

1 安装依赖

1.1 Windows下安装ffmpeg

FFmpeg是一套可以用来记录、转换数字音频、视频，并能将其转化为流的开源计算机程序。采用LGPL或GPL许可证。它提供了录制、转换以及流化音视频的完整解决方案。

# ffmpeg官网
https://ffmpeg.org/

# ffmpeg下载地址
https://ffmpeg.org/download.html

# 点击下载后会进入github，地址如下
https://github.com/BtbN/FFmpeg-Builds/releases

在官网上选择windows版本

在GitHub上可以选择最新版本，选择ffmpeg-master-latest-win64-gpl.zip；

如果python程序出现“FileNotFoundError: [WinError 2] 系统找不到指定的文件。”错误时，可能是ffmpeg版本的问题。

将ffmpeg-master-latest-win64-gpl.zip 解压到D盘，名字修改为ffmpeg，将目录 D:ffmpegbin 添加到环境变量中。

在dos页面查看版本号中输入：ffmpeg.exe -version，出现下面的信息表示安装成功。

1.2 安装openai-whispe

# 安装openai-whisper
pip install openai-whisper -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装pydub切割音频，防止音频太长
pip install pydub -i https://pypi.tuna.tsinghua.edu.cn/simple

下载语音，可以直接在浏览器中打开，再下载

wget -c https://paddlespeech.bj.bcebos.com/PaddleAudio/zh.wav
wget -c https://paddlespeech.bj.bcebos.com/PaddleAudio/en.wav

2 使用openai-whispe

2.1 工程目录

2.2 main.py

import whisper
model = whisper.load_model(name="tiny", dow服务器托管网nload_root="./model")

# load audio and pad/trim it to fit 30 seconds
audio = whisper.load_audio(".//data//zh.wav")
audio = whisper.pad_or_trim(audio)

# make log-Mel spectrogram and move to the same device as the model
mel = whisper.log_mel_spectrogram(audio).to(model.device)

# detect the spoken language
_, probs = model.detect_language(mel)
print(f"Detected language: {max(probs, key=probs.get)}")

# decode the audio
options = whispe服务器托管网r.DecodingOptions()
result = whisper.decode(model, mel, options)

# print the recognized text
print(result.text)

输出结果：

Detected language: zh
我認為跑步最重要的就是給我帶來了身體健康

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net

相关推荐: SHERlocked93 的 2017 年终总结

回家的路上有点无聊，简短回顾一下2017年的得失收获开始两个月3月到5月用C#完结了一个烂尾的wpf小项目，对自己前半年的.net生涯也算是一个句号（虽然不知道最后有没有采用），后面由于项目组转变技术栈，选择了比较感兴趣的web开发，因此踏上另一条技术路线。…