whisper.cpp在Windows VS的编译

这篇具有很好参考价值的文章主要介绍了whisper.cpp在Windows VS的编译。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Whisper是OpenAI开源的一款语音识别的模型,包含有英语和多国语言的模型,根据实际情况来看,其支持的90多种语言的准确率着实表现惊艳,英文甚至可以做到3%左右的误词率,官方图表显示中文的误词率大约是14%,但是实际使用的情况来看,误词率也是相当低,几乎也在3%左右。

整个whisper系列一共有5个级别的模型,按参数量进行排序,分别是微型tiny,基本base,小型small,中型medium,大型large。

Github上有一个whisper.cpp可以通过C++跨平台部署,支持了Mac/iOS/Android/Linux/Windows/Raspberry Pi等平台。

这里主要是将如何使用源码在Windows平台MSVC上进行编译。实际使用MinGW应该一样或者更加简单。

首先通过Github将源码下载下来:

git clone https://github.com/ggerganov/whisper.cpp

然后通过models/download-ggml-model.cmd进行权重文件下载。

models/download-ggml-model.cmd base

参数base可以替换为base.en,tiny,tiny.en,small,small.en,medium,medium.en,largeen后缀的表示是英语模型,不带en后缀的是多国语言模型。

然后使用cmake-GUI进行项目配置,源码目录设置为源代码的地址C:/GitRepos/whisper.cpp-master,在文件夹下创建一个build文件夹作为输出地址:如C:/GitRepos/whisper.cpp-master/build。点击Confiure后,如果有安装CUDA环境,可以勾选WHISPER_CUBLAS在推理的时候更快,如果没有的话也可以不勾。点击Confiure后确认没有红色内容后点击GenerateOpen Project

在打开VS后需要修改一项内容,在whisper项目右击,属性,在C++->Command Line里面的Addtional Options里面添加/utf-8, 否者whisper.cpp里面有一些未ASCII字符会导致编译whisper.dll的时候出错。注意Debug与Release都要添加。

或者如果只编译CPU版本,不启用CuBlas的话,也可以在CMakeList.txt文件上添加add_compile_options(/utf-8),PR 721:

project(whisper.cpp VERSION 1.4.2)

if ("${CMAKE_CXX_COMPILER_ID}" STREQUAL "MSVC")
    add_compile_options(/utf-8)
endif ()

# Add path to modules
list(APPEND CMAKE_MODULE_PATH "${CMAKE_CURRENT_SOURCE_DIR}/cmake/")

但是启用CuBlas的话,只能通过右键属性更改,否则/utf-8这个编译参数也会带到nvcc编译器的编译过程中,但是nvcc并不支持这个参数,Issue 840.

修改完成后通过Build->Batch Build...将ALL_BUILD的Debug和Release打钩后点击Build即可。不出意外编译成功应该是输出类似以下内容:

========== Build: 11 succeeded, 0 failed, 1 up-to-date, 0 skipped ==========

然后可以在build/bin/Release(Debug)中看到main.exe文件,通过命令行执行这个文件就可以,注意携带参数。

C:\GitRepos\whisper.cpp-master\build\bin\Release> .\main.exe -m ..\..\..\models\ggml-tiny.bin -f ..\..\..\samples\jfk.wav
whisper_init_from_file_no_state: loading model from '..\..\..\models\ggml-tiny.bin'
whisper_model_load: loading model
whisper_model_load: n_vocab       = 51865
whisper_model_load: n_audio_ctx   = 1500
whisper_model_load: n_audio_state = 384
whisper_model_load: n_audio_head  = 6
whisper_model_load: n_audio_layer = 4
whisper_model_load: n_text_ctx    = 448
whisper_model_load: n_text_state  = 384
whisper_model_load: n_text_head   = 6
whisper_model_load: n_text_layer  = 4
whisper_model_load: n_mels        = 80
whisper_model_load: ftype         = 1
whisper_model_load: qntvr         = 0
whisper_model_load: type          = 1
whisper_model_load: mem required  =  201.00 MB (+    3.00 MB per decoder)
whisper_model_load: adding 1608 extra tokens
whisper_model_load: model ctx     =   73.62 MB
whisper_model_load: model size    =   73.54 MB
whisper_init_state: kv self size  =    2.62 MB
whisper_init_state: kv cross size =    8.79 MB

system_info: n_threads = 4 / 16 | AVX = 1 | AVX2 = 1 | AVX512 = 0 | FMA = 1 | NEON = 0 | ARM_FMA = 0 | F16C = 1 | FP16_VA = 0 | WASM_SIMD = 0 | BLAS = 1 | SSE3 = 1 | VSX = 0 | COREML = 0 |

main: processing '..\..\..\samples\jfk.wav' (176000 samples, 11.0 sec), 4 threads, 1 processors, lang = en, task = transcribe, timestamps = 1 ...


[00:00:00.000 --> 00:00:10.500]   And so my fellow Americans ask not what your country can do for you ask what you can do for your country.


whisper_print_timings:     load time =   926.39 ms
whisper_print_timings:     fallbacks =   0 p /   0 h
whisper_print_timings:      mel time =   153.92 ms
whisper_print_timings:   sample time =    17.06 ms /    25 runs (    0.68 ms per run)
whisper_print_timings:   encode time =   225.90 ms /     1 runs (  225.90 ms per run)
whisper_print_timings:   decode time =    70.32 ms /    25 runs (    2.81 ms per run)
whisper_print_timings:    total time =  1413.72 ms

在对比了CPU与GPU版本发现,GPU的时间更长,主要是GPU版本在加载模型的load time更长了,实际的推理时间约500ms相比GPU的800ms要短一些的。文章来源地址https://www.toymoban.com/news/detail-464817.html

到了这里,关于whisper.cpp在Windows VS的编译的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 开源C++智能语音识别库whisper.cpp开发使用入门

    whisper.cpp是一个C++编写的轻量级开源智能语音识别库,是基于openai的开源python智能语音模型whisper的移植版本,依赖项少,内存占用低,性能更优,方便作为依赖库集成的到应用程序中提供语音识别功能。 以下基于whisper.cpp的源码利用C++ api来开发实例demo演示读取本地音频文件

    2024年02月20日
    浏览(51)
  • 语音识别开源框架 openAI-whisper

    Whisper 是一种通用的语音识别模型。 它是OpenAI于2022年9月份开源的在各种音频的大型数据集上训练的语音识别模型,也是一个可以执行多语言语音识别、语音翻译和语言识别的多任务模型。 GitHub - yeyupiaoling/Whisper-Finetune: 微调Whisper语音识别模型和加速推理,支持Web部署和Andr

    2024年02月17日
    浏览(64)
  • .Net 使用OpenAI开源语音识别模型Whisper

    .Net 使用OpenAI开源语音识别模型 Whisper Open AI在2022年9月21日开源了号称其英文语音辨识能力已达到人类水准的 Whisper 神经网络,且它亦支持其它98种语言的自动语音辨识。 Whisper系统所提供的自动语音辨识(Automatic Speech Recognition,ASR)模型是被训练来运行语音辨识与翻译任务的

    2024年02月08日
    浏览(55)
  • OpenAI开源!!Whisper语音识别实战!!【环境配置+代码实现】

    目录 环境配置 代码实现 ******  实现 .mp4转换为 .wav文件,识别后进行匹配并输出出现的次数 ******  完整代码实现请私信 安装 ffmpeg 打开网址   https://github.com/BtbN/FFmpeg-Builds/releases 下载如下图所示的文件 下载后解压  我的路径是G:ffmpeg-master-latest-win64-gpl-shared

    2024年02月13日
    浏览(54)
  • 超快的 AI 实时语音转文字,比 OpenAI 的 Whisper 快4倍 -- 开源项目 Faster Whisper

    faster-whisper 这个项目是基于 OpenAI whisper 的模型,在上面的一个重写。 使用的是 CTranslate2 的这样的一个库,CTranslate2 是用于 Transformer 模型的一个快速推理引擎。 在相同精度的情况下,faster-whisper 的速度比 OpenAI whisper 快 4 倍,并且使用更少的内存。 这是 faster-whisper 与 OpenAI

    2024年03月27日
    浏览(51)
  • 可以白嫖的语音识别开源项目whisper的搭建详细过程 | 如何在Linux中搭建OpenAI开源的语音识别项目Whisper

    原文来自我个人的博客。 服务器为GPU服务器。点击这里跳转到我使用的GPU服务器。我搭建 whisper 选用的是 NVIDIA A 100显卡,4GB显存。 Python版本要在3.8~3.11之间。 输入下面命令查看使用的Python版本。 为啥要安装Anaconda? 为了减少不同项目使用的库的版本冲突,我们可以使用An

    2024年02月09日
    浏览(54)
  • chatGPT的耳朵!OpenAI的开源语音识别AI:Whisper !

    语音识别是通用人工智能的重要一环!可以说是AI的耳朵! 它可以让机器理解人类的语音,并将其转换为文本或其他形式的输出。 语音识别的应用场景非常广泛,比如智能助理、语音搜索、语音翻译、语音输入等等。 然而,语音识别也面临着很多挑战,比如不同的语言、口

    2024年03月14日
    浏览(51)
  • openai开源的whisper在huggingface中使用例子(语音转文字中文)

    openai开源的语音转文字支持多语言在huggingface中使用例子。 目前发现多语言模型large-v2支持中文是繁体,因此需要繁体转简体。 后续编写微调训练例子 GitHub地址: https://github.com/openai/whisper

    2024年02月11日
    浏览(46)
  • OpenAI开源全新解码器和语音识别模型Whisper-v3

    在11月7日OpenAI的首届开发者大会上,除了推出一系列重磅产品之外,还开源了两款产品,全新解码器Consistency Decoder(一致性解码器)和最新语音识别模型Whisper v3。 据悉,Consistency Decoder可以替代Stable Diffusion VAE解码器。该解码器可以改善所有与Stable Diffusion 1.0+ VAE兼容的图像,

    2024年02月05日
    浏览(59)
  • ChatGPT并不是OpenAI开发的唯一一款很棒的AI工具,看看DALL-E、Whisper和Codex吧

      OpenAI是ChatGPT背后的创业公司,但该公司还有其他AI产品。 DALL-E是OpenAI的AI艺术生成器,可以根据人物的详细文字描述创建图像。 Whisper是一种语音识别模型,可以转录和翻译多种语言的音频。 ChatGPT自2022年11月推出以来迅速走红。但是背后的创业公司OpenAI还有其他AI产品。

    2024年02月12日
    浏览(56)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包