前言：
最近由于ChatGPT 的大热，AI 应用领域再次进入大众的视线，今天介绍一款AI应用whisper 可以较为准确的将人声转换为文字（支持多国语言）
一、安装
安装有两种方式pip 和源码编译安装，这里介绍pip安装方式
安装python 3.9.9 和pyTouch 1.10.1 （安装步骤省略，官网下载安装即可）由于pip 的版本使用了指定的pyTouch 所以安装最新的python 版本会出现问题。
python3.9.9
安装ffmpeg，下方为各类OS 的安装方式
# on Ubuntu or Debiansudo apt update && sudo apt install ffmpeg# on Arch Linuxsudo pacman -S ffmpeg# on MacOS using Homebrew (https://brew.sh/)brew install ffmpeg# on Windows using Chocolatey (https://chocolatey.org/)choco install ffmpeg# on Windows using Scoop (https://scoop.sh/)scoop install ffmpeg安装wisper 和rust
pip install -U openai-whisperpip install setuptools-rust
二、使用
whisper 支持 cpu 和 gpu，默认完成后，只使用cpu加速
whisper.exe 屋顶.mp3 --language zh --model small效果如何，当然是拿jay的歌来做测试，下图是结果；显然在语速慢的环境中效果还是不错的，换成双截棍...就不能看了...
（图：屋顶转换成歌词）
--model 表示AI使用的模型，共有5个模型，模型越大精确度也越高（当然对设备的性能要求也越高）
--language 表示语音的语种 这里 zh=Chinese
我们从截图看到，转译出来的文字有简体也有繁体，这主要是AI 的样本既有简体又有繁体，如果我们希望输出结果是简体，则加上 --initial_prompt "以下是普通话的句子。"
whisper 屋顶.mp3 --language zh --model small --initial_prompt "以下是普通话的句子。"重新执行一次，结果如图：
使用CUDA
执行如下指令，安装带cuda 的pytorch
pip uninstall torchpip cache purgepip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116--device cuda 使用device参数 指定 cuda
whisper 屋顶.mp3 --language zh --model small --device cuda --initial_prompt "以下是普通话的句子。"
其他未尽事宜可以通过 --help 来了解
whisper --help
注意：第一次调用时，会下载模型，国内直接下载速度会很慢！
参考文献
whisper blog
whisper github