目录
一.前言
Whisper是Open AI开源的语音识别网络，支持98中语言，用于语音识别和翻译等任务。我们可以将歌曲的歌词进行识别，将无字幕的视频资源自动生成字母，极大方便了用户。同时，whisper可以在本地运行，充分保障了个人隐私。在识别方面也具有较准确的识别能力。
因此想通过本文对whisper的安装和使用进行说明，希望能对正在学习的伙伴给予参考。
二.本机环境
本设备基于Python环境：3.8.1，pip：23.0.1，torch：2.0.0+cpu
三.安装步骤：
步骤1：下载Git并添加环境变量
1.在以下网址进行安装Git：
https://git-scm.com/download/win
安装过程只需无脑点next，直至安装成功。
win+R进入cmd控制台输入git，若显示如下，则表示安装成功！
若显示’git’ 不是内部或外部命令，也不是可运行的程序，则未安装成功
2.找到git.exe所在的位置，一般在bin下，本机为：
D:\Program Files\Git\bin
3.将git添加到环境变量中
win+R输入Sysdm.cpl进入环境变量配置
双击path
新建一个环境变量路径，填入所找到的git.exe所在的路径
步骤2：下载ffmpeg并添加环境变量
下载地址：
https://github.com/BtbN/FFmpeg-Builds/releases
1.选择 ffmpeg-master-latest-win64-gpl-shared.zip 版本点击下载
2.找到ffmpeg.exe所在的位置，一般在bin下，本机为：
D:\ffmpeg\ffmpeg-master-latest-win64-gpl-shared\bin
3.将ffmpeg添加到环境变量中
win+R输入Sysdm.cpl进入环境变量配置
步骤3：安装pytorch
进入PyTorch官方网站：
https://pytorch.org/
选择cpu版本，最下面一行会提供一个pip命令用于安装torch
这里有个注意点：在原命令基础上加入参数 -i [镜像源地址]，即可把国外的源换成国内源，可以极大程度上加快下载速度，命令如下：
pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
步骤4：安装whisper
在以上步骤均完成后，即可安装whisper，分别执行以下命令：
pip install git+https://github.com/openai/whisper.git
pip install –upgrade –no-deps –force-reinstall git+https://github.com/openai/whisper.git
至此，whisper的安装步骤就全部结束了。
四.whisper的应用
应用1：识别mp3歌曲中的歌词
在音频所在文件夹的空白处按住shift，然后鼠标右键单击，打开powershell窗口，如图：
进入PowerShell后，输入命令 ：whisper + [你需要识别的音频]，就可以开始识别了，首次识别时会先下载模型文件，如图：
这里以识别歌曲 爱在天际.mp3 为例，在PowerShell中输入：
whisper 爱在天际.mp3
识别结果如下：
需要注意的是，在不添加任何参数的情况下，whisper默认以其small模型进行训练。官方的模型有以下几种，分别为tiny、base、small、medium、large。各模型的大小以及速度对比如下图所示：
我们该如何选择其他模型进行语音识别呢？只需在命令后面加入参数即可，如我们要用medium模型识别爱在天际.mp3，只需在PowerShell中输入：
whisper 爱在天际.mp3 –model medium
同样，在首次使用模型的情况下，会先自动下载模型文件，再对音频进行识别
那我们下载的模型会存储在哪里呢？具体位置为
C:\Users[你的用户名].cache\whisper
以本机为例，在以下目录下即可找到所下载的模型文件：
当语音识别完成以后会在相应的目录下生成.vtt .json .str .tsv .txt 文件，其中 .srt 为字幕文件：
对.json .tsv .txt .vtt 文件进行对比：
应用2：识别mp4视频文件，以MV歌曲和英文TED演讲为例进行测试
① whisper识别MV歌曲
识别的操作和命令与.mp3文件的识别无异，命令均为 whisper + [待识别的文件名]
MV：念风及你.mp4识别结果如下：
同样，识别结束后生成了以下文件
② whisper识别TED英文演讲
识别结果可以看出，英文的识别也是毫无压力，识别准确率高：
应用3：whisper识别生成文件.srt字幕的使用
我们对音频识别产生的字幕文件该如何使用呢？
这里借助一个视频软件PotPlayer，该视频软件可以方便的读取.srt文件，在双击文件后就能自动将字幕与原视频对应上。PotPlayer下载地址：
http://potplayer.tv/?lang=zh_CN
PotPlayer安装完成后，接下来只需直接双击.srt文件即可。最后我们来看看字幕效果吧！
爱在天际.mp3
念风及你.mp4
TED演讲：如何有效地学习.mp4
五.结语
从不同的测试结果可以看到，whisper的识别效果还是不错的，最后的字幕的显示结果也讨人欢喜。小伙伴们在使用的过程中也可以尝试使用whisper不同大小的模型进行识别，来提高识别的准确率哦！
当然在具体安装和配置环境的过程中，我还是遇到了不少的问题的，感兴趣的小伙伴可看看我的上一篇博客的踩坑点，希望可以有效的帮助到大家。博客链接我放在下面啦。
最后，特别感谢我同学zeyu对我的帮助！
当然，也感谢大家的大力支持，你们的支持是我前进的最大动力，欢迎大家在评论区积极讨论哦~
文章出处登录后可见！
