基于whisper和whisperx的语音视频和字幕对齐

相关文章

• 

  基于Whisper语音识别的实时视频字幕生成 (一): 流式显示视频帧和音频帧

  Whistream（微流）是基于Whisper语音识别的的在线字幕生成工具，支持rtsp/rtmp/mp4等视频流在线语音识别 whishow（微秀）是python实现的在线音视频流播放器，支持rtsp/rtmp/mp4等流式输入，也是whistream的前端。python实现原理如下： (1) SPROCESS.run() 的三个子线程负责：缓存流数据，处理音

  2024年04月13日

  浏览(39)
• 

  《AI上字幕》基于openAI研发的whisper模型，语音（视频）一键转文本/字幕/带时间轴/支持多语言/自带翻译《桌面版教程》

  OpenAI的chatGPT非常火爆，其实OpenAI旗下的另一个模型实力也十分强大，它就是开源免费的Whisper语音转文本模型，目前为止它是较为顶尖的语音转文本模型 当前github上也有许多出色的开发者根据此模型开发出桌面版语音转文字应用。较为出色的分别是Buzz和WhisperDesktop 支持将多种

  2023年04月19日

  浏览(36)
• 

  【开源工具】使用Whisper提取视频、语音的字幕

  运行 WhisperDesktop.exe , 启动后加载模型“load model，please wait…”,等待其将模型加载到内存。 2.1 下载模型 刚开始是没有模型的，需要到Hugging Face 2 的仓库里面下载模型并配置相关路径 2.1.1 进入Hugging Face 2 的仓库 点击 ggerganov/whisper.cpp 进入Hugging Face仓库 2.1.2 选择需要下载的模型

  2024年02月09日

  浏览(25)
• 

  【开源工具】使用Whisper将提取视频、语音的字幕

  运行 WhisperDesktop.exe , 启动后加载模型“load model，please wait…”,等待其将模型加载到内存。 2.1 下载模型 刚开始是没有模型的，需要到Hugging Face 2 的仓库里面下载模型并配置相关路径 2.1.1 进入Hugging Face 2 的仓库 点击 ggerganov/whisper.cpp 进入Hugging Face仓库 2.1.2 选择需要下载的模型

  2024年02月08日

  浏览(28)
• 

  whisper实践--基于whisper+pyqt5开发的语音识别翻译生成字幕工具

  大家新年快乐，事业生活蒸蒸日上，解封的第一个年，想必大家都回家过年，好好陪陪家人了吧，这篇文章也是我在老家码的，还记得上篇我带大家基本了解了whisper，相信大家对whisper是什么，怎么安装whisper，以及使用都有了一个认识，这次作为新年第一篇文章，我将介绍一

  2024年02月01日

  浏览(32)
• 

  基于whisper模型的在线添加视频字幕网站（持续更新）

  Whisper 是一个自动语音识别（ASR，Automatic Speech Recognition）系统，OpenAI 通过从网络上收集了 68 万小时的多语言（98 种语言）和多任务（multitask）监督数据对 Whisper 进行了训练。OpenAI 认为使用这样一个庞大而多样的数据集，可以提高对口音、背景噪音和技术术语的识别能力。除

  2024年02月03日

  浏览(27)

• 持续进化，快速转录，Faster-Whisper对视频进行双语字幕转录实践(Python3.10)

  Faster-Whisper是Whisper开源后的第三方进化版本，它对原始的 Whisper 模型结构进行了改进和优化。这包括减少模型的层数、减少参数量、简化模型结构等，从而减少了计算量和内存消耗，提高了推理速度，与此同时，Faster-Whisper也改进了推理算法、优化计算过程、减少冗余计算等

  2024年02月06日

  浏览(55)
• 

  实战whisper第二天：直播语音转字幕（全部代码和详细部署步骤）

  直播语音实时转字幕： 基于Whisper的实时直播语音转录或翻译是一项使用OpenAI的Whisper模型实现的技术，它能够实时将直播中的语音内容转录成文本，甚至翻译成另一种语言。这一过程大致分为三个步骤：捕获直播音频流、语音识别（转录）以及翻译（如果需要）。下面详细解

  2024年04月22日

  浏览(18)
• 

  【C#】Whisper 离线语音识别（微软晓晓语音合成的音频）（带时间戳、srt字幕）...

  语音合成语音识别 用微软语音合成功能生成xiaoxiao的语音。 用Whisper离线识别合成的语音输出srt字幕。 一、语音合成 参考这个网址：https://www.bilibili.com/read/cv19064633 合成的音频：晓晓朗读-温柔 二、Whisper 语音识别 下载模型后放入程序目录下： 请注意，主要示例目前仅使用

  2024年02月06日

  浏览(30)

• 极速进化,光速转录,C++版本人工智能实时语音转文字(字幕/语音识别)Whisper.cpp实践

  业界良心OpenAI开源的Whisper模型是开源语音转文字领域的执牛耳者，白璧微瑕之处在于无法通过苹果M芯片优化转录效率，Whisper.cpp 则是 Whisper 模型的 C/C++ 移植版本，它具有无依赖项、内存使用量低等特点，重要的是增加了 Core ML 支持，完美适配苹果M系列芯片。 Whisper.cpp的张量

  2024年02月02日

  浏览(49)