windows10下whisper的安装使用和CUDA的配置

•  whisper是OpenAI 发布的一个的神经网络，主要用于语音识别，一时兴起就想玩一玩，下面是它的github链接（安装时需要全局代理才比较快）

GitHub - openai/whisper: Robust Speech Recognition via Large-Scale Weak SupervisionRobust Speech Recognition via Large-Scale Weak Supervision - GitHub - openai/whisper: Robust Speech Recognition via Large-Scale Weak Supervisionhttps://github.com/openai/whisper

•  官方给出的所需配置prerequisite如下（我使用python3.8.9也行）

        python3.9.9

        pyTorch1.10.1

        ffmpeg

我本身装有ffmpeg，难点就在于CUDA的安装和pyTorch的安装，这两花了我两小时。

• 首先是CUDA的安装，网上推荐的都是11.3，但我安装的是11.4，依旧能用

        安装详情请参考下面这篇文章，安装到CUDA即可，不用安装CUDNN，环境变量问题比较麻烦，耐心点就好了Win10安装CUDA_RunAtWorld的博客-CSDN博客_windows安装cuda目录安装Nvidia显卡驱动安装Tookit和CuDNN前言安装工具的准备CUDA 安装与配置过程cuDNN配置安装PyTorch卸载CUDA1.前言2.卸载开始参考安装Nvidia显卡驱动安装Nvidia显卡驱动前可以先检查Nvidia显卡驱动是否已安装。搜索 Nvidia控制面板 或 Nvidia Control Panel可以看到当前已经安装的显卡驱动及版本如需安装显卡驱动，在官方驱动下载网站找到自己的显卡型号对应的驱动下载并安装https://blog.csdn.net/RunAtWorld/article/details/124282176

• pyTorch1.10.1的安装直接在命令行输入下面的命令即可

pip --trusted-host pypi.tuna.tsinghua.edu.cn install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html

whisper运行实际效果， 以向晚大魔王录播文件为例，用体积最小运行速度最快的tiny模式

whisper D:/1.mp4 --model tiny  --language Chinese

 可以看出识别效果还是挺不错的，但由于追求速度，某些音相近的会被识别错误，如

• 团布->团播
• 呼唤->互换
• 出大了一->出道了
• 养成血->养成系
• 搭->的

可惜我的显卡带不动更大的模型了，以后有机会再尝试一下