目前有什么开源的语音转文字准确率高的?

2023-08-31 23:46:51 +08:00
 yhm2046

目前用 whisper+ggerganov 模型,2.8G 的,显卡是 gtx970 ,转译出来的全部是这种效果:

[00:29:20.000 --> 00:29:26.000] ( 錄影時間 ) [00:29:26.000 --> 00:29:32.000] ( 錄影時間 ) [00:29:32.000 --> 00:29:38.000] ( 錄影時間 ) [00:29:38.000 --> 00:29:44.000] ( 錄影時間 ) [00:29:44.000 --> 00:29:49.000] ( 錄影時間 ) [00:29:49.000 --> 00:29:55.000] ( 錄影時間 ) [00:29:55.000 --> 00:30:01.000] ( 錄影時間 ) [00:30:01.000 --> 00:30:07.000] ( 錄影時間 ) [00:30:07.000 --> 00:30:13.000] ( 錄影時間 ) [00:30:13.000 --> 00:30:18.000] ( 錄影時間 ) [00:30:18.000 --> 00:30:24.000] ( 錄影時間 ) [00:30:24.000 --> 00:30:30.000] ( 錄影時間 ) [00:30:30.000 --> 00:30:36.000] ( 錄影時間 ) [00:30:36.000 --> 00:30:42.000] ( 錄影時間 ) [00:30:42.000 --> 00:30:47.000] ( 錄影時間 ) [00:30:47.000 --> 00:30:53.000] ( 錄影時間 ) [00:30:53.000 --> 00:30:59.000] ( 錄影時間 ) [00:30:59.000 --> 00:31:05.000] ( 錄影時間 ) [00:31:05.000 --> 00:31:11.000] ( 錄影時間 ) [00:31:11.000 --> 00:31:16.000] ( 錄影時間 ) [00:31:16.000 --> 00:31:22.000] ( 錄影時間 )

之前还能有一半左右的可以译成有效文字,不知道是否这次的录音音源不行,我是用手机录音的

2241 次点击
所在节点    程序员
8 条回复
mushuanl
2023-08-31 23:50:40 +08:00
拿最大的那个模型,不要量化,我前面直接 cpu 转的效果不错
1311317
2023-08-31 23:54:54 +08:00
wenet
wingerwwang
2023-09-01 01:10:53 +08:00
Buzz 还不错,跑 cpu 的。
mengdodo
2023-09-01 08:40:32 +08:00
@1311317 准确率如何
yhm2046
2023-09-01 08:47:50 +08:00
@mushuanl 我下的模型就是最大的,不要量化什么意思?是不用时间轴,不用显卡直接用 CPU 跑吗?
unimz
2023-09-01 08:50:43 +08:00
yushiro
2023-09-01 09:29:29 +08:00
不要直接用原生的 whisper ,因为没有 vad 检测,所以会遇到非语音的时间段,就会产生重复文字,我记得 fast-whisper 还有 translate2 都可以添加 vad 判断的,你可以试试。
vad 是指语音激活判断,确定当前声音是否包含语音内容
Alias4ck
2023-09-01 09:37:44 +08:00
@yhm2046 你都用 whisper.cpp 了 基本不都是用 cpu 推理吗 量化是指 https://github.com/ggerganov/whisper.cpp#quantization 用更少的内存和磁盘空间推理
不过 whisper.cpp 基本不量化除非你机器内存实际太小了
https://github.com/ggerganov/whisper.cpp#memory-usage 最大的也就是 3.3g 内存

你要用显卡跑的话直接用 https://github.com/openai/whisper 这个就能跑了啊
不过这个模型 https://huggingface.co/openai/whisper-large-v2 要最低 10G 显存你这显卡跑不了

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/969914

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX