1. 安装whisperV3
- github git clone https://github.com/openai/whisper.git
- pip install -U openai-whisper
- pip install setuptools-rust
这些都没有安装 但是github下载的版本是能执行成功的 - pip install accelerate
- pip install soundfile
- pip install librosa
- pip install torchaudio
requirements.txt
numba
numpy
torch
tqdm
more-itertools
tiktoken
triton>=2.0.0,<3;platform_machine=="x86_64" and sys_platform=="linux" or sys_platform=="linux2"
github官方版本
要进到whisper目录里面, 执行脚本要和whisper/whisper目录同级。这样就执行成功了。
import whisper
model = whisper.load_model("base")
result = model.transcribe("audio.mp3")
print(result["text"])
遇到的名词解释
1. 大模型的弱标签
在大模型中,弱标签(Weak Labels)通常指的是相对于强标签(Strong Labels)而言的标签类型。强标签是指对每个样本都有明确、准确的标签,可以直接用于训练模型的监督学习任务。而弱标签则指的是对样本的标签信息不够准确或完整,可能存在噪声、不确定性或模糊性。
弱标签可以是多种形式,常见的包括但不限于:
- 部分标签(Partial Labels):只对样本的部分特征或属性进行标记,而不是对整个样本进行标记。
- 噪声标签(Noisy Labels):由于标注过程中的错误或不确定性而产生的标签。
- 不确定标签(Uncertain Labels):对于某些样本标签的确定性不高,存在一定程度的不确定性。
- 模糊标签(Ambiguous Labels):标签含义不明确或模糊,可能存在多种解释或理解。
在使用弱标签进行训练时,通常需要采取一些特殊的处理方法来处理标签的不确定性和噪声,以提高模型的鲁棒性和泛化能力。这包括使用弱标签推理(Weak Label Inference)、噪声过滤(Noise Filtering)、半监督学习(Semi-Supervised Learning)等技术来充分利用弱标签信息进行模型训练。文章来源:https://www.toymoban.com/news/detail-845937.html
参考文档
论文: https://cdn.openai.com/papers/whisper.pdf
whisper-v3 model-card https://huggingface.co/openai/whisper-large-v3
知乎胡儿 v3介绍 https://zhuanlan.zhihu.com/p/662906303
安装参考 https://zhuanlan.zhihu.com/p/666969310
github https://github.com/openai/whisper/blob/main/model-card.md
根据官方文档安装就可以了 https://github.com/openai/whisper/blob/main/README.md
官网 https://openai.com/research/whisper文章来源地址https://www.toymoban.com/news/detail-845937.html
到了这里,关于whisper-v3模型部署环境执行的文章就介绍完了。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!