语音识别

在这篇文章中，我演示了如何使用Python中的OpenAI Whisper近乎实时地转录实时音频流。我们这样做是为了监视流中的特定关键字。此外，转录后的文本会记录时间戳以供进一步使用。通过对转录的文本进行模糊匹配，我们可以找到对关键词的提及。然后，我们通过信号信使向包含口语段落相关部分的团体或个人触发一条信息。

背景

这是一个在周末建立的快速POC：为了赢得比赛，我想监控当地电台是否提到了一些关键词。这需要迅速完成，这产生了一个简单的解决方案。此外，它必须尽可能节约资源，以最大限度地降低基础设施成本。虽然它并不是以稳定性为主要关注点来构建的，但它实际上在几周内表现完美，没有任何停机时间。因此，目标实现了！

所有代码在此回购中都可用。在下文中，我将介绍解决方案的总体结构，并解释代码的一些相关部分。

概述

该解决方案由三部分组成：

save_stream.py从实时音频流中以30秒为单位连续保存.mp3文件

transcript.py使用OpenAI Whisper永久转录每个音频块。然后，它使用模糊匹配来监控口语中的关键词。在比赛中，它调用msg_group_via_signal.sh

OpenAI的Whisper模型可以对多种语言进行语音识别。在查看此简单指南中的性能分析之前，我们将学习如何运行Whisper。

昨天，OpenAI发布了其Whisper语音识别模型。Whisper加入了目前可用的其他开源语音到文本模型，如Kaldi、Vosk、wav2vec 2.0等，并与最先进的语音识别结果相匹配。

在本文中，我们将学习如何安装和运行Whisper，还将深入分析Whisper的准确性、推理时间和运行成本。

#如何运行OpenAI的Whisper

在本节中，我们将学习如何安装和使用Whisper。如果您已经启动并运行了Whisper，您可以跳到Whisper分析或更复杂的Whisper高级用法。

步骤1：安装依赖项

Whisper需要Python3.7+和最新版本的PyTorch（我们使用了PyTorch 1.12.1，没有问题）。如果您还没有Python和PyTorch，请立即安装它们。

Whisper还需要FFmpeg，一个音频处理库。如果您的计算机上尚未安装FFmpeg，请使用以下命令之一进行安装。

介绍

转录服务在各种行业中被用来将音频或视频内容转换为文本。从转录服务中受益的一些行业包括：

医疗保健专业人员

医疗转录在医疗保健行业发挥着至关重要的作用，可以高精度地转录医生的记录并维护医疗记录。

法律/法律行业

律师事务所、律师助理、法庭记者和律师将转录服务用于法律目的，如转录证词和法庭听证会。

企业

企业使用转录服务将董事会会议、会议、采访和其他活动转录成无错误的转录本，以便更好地决策和将来参考。

媒体与大众传播

媒体专业人员，包括记者、视频制作人、电影制作人和文案，使用转录服务为文章、新闻稿和字幕转录采访和其他内容。

数字营销

数字营销人员和内容战略家使用转录师将播客、网络研讨会和其他材料转换为文本，用于博客文章和内容创作。

其他行业

其他受益于转录服务的行业包括市场研究人员、视频和音频播客、自由撰稿人、作家和主讲人。

你猜怎么着？Sam Altman刚刚在DevDay主题演讲中透露了一些很棒的东西，那就是来自OpenAI的开源Whisper v3。这不仅仅是对已经令人印象深刻的Whisper v2的升级；这就像是进入了语音识别的未来。

可以将大v3想象成您熟悉的语音转文本工具，但它功能强大，能流利地使用多种语言。现在，这很重要，对吧？

但最棒的是，你不需要一些高端装备就可以使用它。如果你担心你的设置可能跟不上，我们会为你提供Replicate。

无论你家里有什么技术，这都是你体验大v3所有酷炫功能的方式。

那么，准备好看看Whisper large v3是怎么回事了吗？让我们深入了解一下为什么这是镇上的热门话题！