whisper安装试用

1.简介
whisper是一个离线语音识别软件。可以将视频/音频转为文字。
https://github.com/openai/whisper
https://github.com/m-bain/whisperX
前者是openai原版，后者是在前者基础上修复了一些字幕时间对齐问题。
其实原版已经很不错。

2.安装
2.1 前提
最好安装python3.9，其余版本未测试

2.2 安装whisper/whisperX
先去git clone到自己电脑上，略过
然后安装命令为

pip install -e .

中途如果出现某个模块安装报错，诸如Module not found src 之类的，
解决方法就是去pypi把这个包单独下载下来，然后加入C:\python-3.9.13\python39._pth
我们需要把future，docopt，whisper，whisperx都加入，然后这4个模块都单独安装，命令都是进到该模块目录，执行pip install -e .

./Lib/site-packages
D:/soft/python/future-0.18.3/future-0.18.3
D:/soft/python/docopt-0.6.2
D:\git\opensource\whisperX
D:\git\opensource\whisper

2.3 安装ffmpeg
whisper读取视频/音频用的是ffmpeg，所以需要自行安装ffmpeg。
只需要把ffmpeg加入PATH即可。
ffmpeg可以上https://www.gyan.dev/ffmpeg/builds/下载，
或者如果你用过javacv的话也可以到以下这个目录把它挖出来
C:\Users\{xx}\.javacpp\cache\ffmpeg-5.0-1.5.7-windows-x86_64.jar\org\bytedeco\ffmpeg\windows-x86_64

3.运行测试
language我们指定中文，model可以指定tiny/base/small/medium/large,模型越大解析的准确率越高，当然速度也越慢。
基本在我的电脑上medium就跑不动了，然后用small就足够了，转出来的的文字准确率已经很高了。

whisperx --model tiny --language zh 1.mp3
whisper --model small --language zh 1.mp3

第一次运行会下载模型到以下目录
C:\Users\{xx}\.cache\whisper
C:\Users\{xx}\.cache\huggingface