🍹 Insight Daily 🪺
Aitrainee | 公众号：AI进修生
Hi，这里是Aitrainee，欢迎阅读本期新文章。
刚刚，Openai whisper-large-v3-turbo 上线了 ...
在本文中，我们将介绍 whisper-large-v3-turbo 以及 whisper-web（一个直接在浏览器中进行ML语音识别的开源项目）。
尽管近年来出现了许多音频和多模态模型，但Whisper 仍是生产级自动语音识别（ASR）的首选。
Whisper 是一种最先进的自动语音识别 (ASR) 和语音翻译模型，由 OpenAI 的 Alec Radford 等人在论文《 通过大规模弱监督实现稳健语音识别》中提出。
新推出的 Whisper Turbo 模型是 OpenAI 开发的，经过约 500 万小时的标记数据训练，具有出色的泛化能力。
与其前身 Whisper 大型版本 3 相比，Turbo 版在解码层数上从 32 降至 4，运行速度更快，尽管质量略有下降，但差别非常小。
我们将通过 Hugging Face 本地安装该模型，尝试几个音频文件：
创建一个简单的虚拟环境
安装一些先决条件，包括 Torch、Transformers 等。
现在启动 Jupyter Notebook
Jupyter Notebook 启动后，我们导入所有库，然后获取模型，我们选择 Whisper 大型版本 3 Turbo，然后下载模型并将其放入我们的 CUDA 设备（即 GPU），接着我会初始化这个自动语音识别的管道，提供模型、分词器，并指定我们的 CUDA 设备。
这个模型非常轻量级，不到 2GB。
下载完成后，你只需提供本地音频文件，或者你也可以加载来自 Hugging Face 的任何音频数据集，并进行处理。
正常work：
好了，我们还将介绍另外一个项目：whisper-web 并实地安装测试它：
首先克隆仓库
然后安装依赖+启动
最后打开5173端口，下面播放语音转文字效果（）支持多语言，包括中文），有两种体量模型，还可以量化。
🌟希望这篇文章对你有帮助，感谢阅读！如果你喜欢这系列文章请以 点赞 / 分享 / 在看 的方式告诉我，以便我用来评估创作方向。
[1] github：https://github.com/xenova/whisper-web
[2] huggingface：https://huggingface.co/openai/whisper-large-v3-turbo
知音难求，自我修炼亦艰
抓住前沿技术的机遇，与我们一起成为创新的超级个体
（把握AIGC时代的个人力量）
点这里👇关注我，记得标星哦～
