Abstract:此文章介紹了如何在威聯(lián)通TS-464C2上如何部署OPENAI的whisper模型進(jìn)行語(yǔ)音識(shí)別。實(shí)現(xiàn)把“語(yǔ)音文件上傳到指定目錄下，系統(tǒng)自動(dòng)識(shí)別后輸出TXT到另到一個(gè)目錄里”的功能。（我的其實(shí)是TS-464C，但是我的CPU是N5105，且可以加內(nèi)存，跟464C2一樣。我加了8G內(nèi)存，目前是16G。理論上內(nèi)存只要夠用，不挑機(jī)器，其他型號(hào)應(yīng)該也可以實(shí)現(xiàn)。內(nèi)存不夠用就用小點(diǎn)的模型~~）由于cpu的孱弱，本文選用了Faster-whisper進(jìn)行識(shí)別。確切來(lái)說(shuō)是whisper-ctranslate2項(xiàng)目，想要了解的自己去github翻哈~~我就不介紹了。
優(yōu)點(diǎn)：免費(fèi)、識(shí)別率高、什么設(shè)備都可以用。
缺點(diǎn)：稍慢。
- 安裝linux docker.
打開(kāi)Container Station, 點(diǎn)容器，點(diǎn)右上角瀏覽，我因?yàn)橛衅渌猛?，所以安裝的LXD的ubuntu系統(tǒng)。其他應(yīng)該也可以，理論上不受系統(tǒng)影響，看各位喜好。
先在File station里找個(gè)地方新建兩個(gè)目錄，在配置容器的高級(jí)設(shè)置里掛載這個(gè)兩個(gè)目錄，分別用來(lái)存放錄音文件和識(shí)別之后的文本文件。
其他配置無(wú)所謂，如果對(duì)log記錄時(shí)間有要求，就在環(huán)境變量里加上TZ=Asia/Shanghai，否則會(huì)按照格林尼治時(shí)間走。
2.安裝必要的包。啟動(dòng)完上面的ubuntu docker之后，點(diǎn)最右邊的小齒輪，然后點(diǎn)執(zhí)行進(jìn)入到系統(tǒng)中。
默認(rèn)好像沒(méi)有用戶，想建的自己建一個(gè)，不想建的可以用root直接搞~
安裝包：pip install -U whisper-ctranslate2
如果沒(méi)有pip，那就裝一個(gè)：apt install pip.
去下載模型文件：必須是CTranslate2 format的模型，反正我感覺(jué)large v3 turbo識(shí)別率更好一點(diǎn)，速度也可以接受：https://hf-mirror.com/deepdml/faster-whisper-large-v3-turbo-ct2/tree/main 如果內(nèi)存不夠，或者想快點(diǎn)，可以用base，small，tiny之類的去hf-mirror上下載就行了。然后把模型放到剛剛共享的/shibie目錄里，我又給它c(diǎn)p到了/usr/faster_whisper_largev3/里。不弄也行，改我后續(xù)的shell文件里執(zhí)行識(shí)別命令的模型目錄即可。
3.測(cè)試。執(zhí)行whisper-ctranslate2 /record/test.mp3 --language Chinese --model_directory /usr/faster_whisper_largev3/ --model large-v3-turbo --device cpu --output_format txt --output_dir /shibie/ 解釋一下這句命令：我的文件在/record目錄下，叫test.mp3；我設(shè)定了識(shí)別的語(yǔ)音是中文，--language那個(gè)不寫也行，會(huì)自動(dòng)檢測(cè)；--model_dirctory是目錄地址；--model是你用的模型是什么，比如smallmediumbase需要寫清楚；--device 有GPU可以寫CUDA，咱這個(gè)就乖乖CPU吧；--outpu_format 如果刪了這個(gè)會(huì)默認(rèn)都輸出，srt vtt什么的好幾個(gè)，有時(shí)間戳。我只需要txt就行了，看個(gè)人需求設(shè)置。--output_dir /shibie 輸出到/shibie目錄下，可以自行設(shè)置。
whisper-ctranslate2 --help可以幫助你詳細(xì)了解一下這個(gè)東西怎么用。如果命令成功了，那繼續(xù)~
4.自動(dòng)化執(zhí)行。每5分鐘查一下record目錄下是否有新文件，如果有-就識(shí)別一下，輸出到shibie目錄下，并且把原文件挪到/shibie/transed里。
先把上面的需求寫成一個(gè)shell腳本。放到/shibie/起名叫autolarge.sh
以下是我瞎寫的…請(qǐng)大牛們別笑話……
#!/bin/bash
# get date&time.
current_date_time=$(date '+%Y-%m-%d %H:%M:%S')
# check whether new file exists.
if [ -n "$(ls /record)" ]; then
file_name=$(ls /record | head -1)
echo "$file_name">>/shibie/log.txt
file_path="/record/$file_name"
# run the commond!!!
whisper-ctranslate2 "$file_path" --language Chinese --model_directory /usr/faster_whisper_largev3/ --model large-v3-turbo --device cpu --output_format txt --output_dir /shibie/
if [ $? -eq 0 ]; then
mv "$file_path" "/shibie/transed/"
echo "$current_date_time - File has been processed and moved.">> /shibie/log.txt
else
echo "$current_date_time - Erro processing $file_name" >> /shibie/log.txt
fi
else echo "$current_date_time - No new audio file.">> /shibie/log.txt
fi
執(zhí)行crontab -e，最下面添加一行*/5 * * * * sh /shibie/autolarge.sh
cat /shibie/log.txt看看5分鐘后有沒(méi)有日志生成。
作者聲明本文無(wú)利益相關(guān)，歡迎值友理性交流，和諧討論～
,
