transcription/old の履歴(No.3) - Linux Memo

[ トップ ] [ 新規 | 一覧 | 検索 | 最終更新 | ヘルプ ]

履歴一覧
差分を表示
現在との差分を表示
ソースを表示
transcription/old へ行く。
- 1 (2022-10-29 (土) 20:57:30)
- 2 (2022-10-29 (土) 21:36:42)
- 3 (2022-10-30 (日) 02:41:31)
- 4 (2024-02-17 (土) 09:42:39)

Top/transcription/old

目次†

目次
Whisper を使った Transcription - 文字起こし

Whisper を使った Transcription - 文字起こし†

環境構築†

pip を使って必要な python モジュールをインストールする

$ pip install SoundCard
$ pip install whisper
$ pip install git+https://github.com/openai/whisper.git

LoopbackWhisper.py を貰ってくる

$ git clone https://github.com/TadaoYamaoka/LoopbackWhisper.git

環境構築（GPUの使用）†

実行†

取り敢えずこのまま実行してみる。

$ python3 LoopbackWhisper/LoopbackWhisper.py --model large

すると、下記のエラーが出る。
```
RuntimeError: "slow_conv2d_cpu" not implemented for 'Half'
```
- 解決法は下記リンク先にあるように、whisper.DecodingOptions() に引数 fp16=False を渡してやる。
- LoopbackWhisper/LoopbackWhisper.py でこれを呼んでいる場所があるので以下のように修正：
```
- options = whisper.DecodingOptions()
+ options = whisper.DecodingOptions(fp16=False)
```
  - OpenAIリリースのWhisperをCPUだけで動かすために色々試した話 | DevelopersIO
  - RuntimeError: "slow_conv2d_cpu" not implemented for 'Half' · Discussion #92 · openai/whisper · GitHub
再度実行すると、今度は正常に動作する。YouTubeの再生等で何らかの喋っている音声を再生すると、以下のように LoopbackWhisper.py を実行したコンソールに文字起こしの結果が表示される：
```
$ python3 LoopbackWhisper.py --model large
Loading model...
Done
ja: このような現象は見られなかった
ja: 勝ったっていうのが我々の結果なんでしょうか意外ですね
```

通常の会話スピードで喋っている音声の場合、処理が間に合わないようで、かなり取りこぼしが発生する。

参考リンク†