二、安装与使用Whisper

三、Whisper的特点和利用场景

四、Whisper的利用优势和使用案例

openai / whisper的进一步展开说明

OpenAI Whisper：一个强大的语音辨认工具

Whisper是一个通用的自动语音辨认模型，它是通过大范围的音频数据集进行训练的。该模型可以进行多语言转录、语音翻译和语言检测。

Whisper可以用作语音助手、聊天机器人、英语语音翻译、会议期间自动记录笔记和转录等自动化功能。

甚么是转录和它的好处？

转录是将口语转换为文字的进程。在过去，转录是通过人工进行的，而现在我们有了像Whisper这样能够准确理解口语的人工智能工具。

转录的好处有：

• 分析、方便访问和保存采访、会议、讲座和播客的记录。
• 实时语音转录用于字幕（YouTube）、字幕（Zoom会议）和口语翻译。
• 个人和专业用处的语音转录。用于转录语音笔记、信息、提示、备忘录和反馈。
• 聋哑人士的转录支持。
• 语音输入型利用程序的转录支持，例如聊天机器人、语音助手和语言翻译。

支持哪些语言？

Whisper API支持以下语言的转录和翻译：

Afrikaans、Arabic、Armenian、Azerbaijani、Belarusian、Bosnian、Bulgarian、Catalan、Chinese、Croatian、Czech、Danish、Dutch、English、Estonian、Finnish、French、Galician、German、Greek、Hebrew、Hindi、Hungarian、Icelandic、Indonesian、Italian、Japanese、Kannada、Kazakh、Korean、Latvian、Lithuanian、Macedonian、Malay、Marathi、Maori、Nepali、Norwegian、Persian、Polish、Portuguese、Romanian、Russian、Serbian、Slovak、Slovenian、Spanish、Swahili、Swedish、Tagalog、Tamil、Thai、Turkish、Ukrainian、Urdu、Vietnamese和Welsh。

支持哪些文件格式？

Whisper API支持的文件格式有：mp3、mp4、mpeg、mpga、m4a、wav和webm。目前，上传文件大小限制为25MB。如果您有更大的文件，可使用pydub将其拆分成较小的块。

怎样使用OpenAI API进行语音转文字？

您可使用Python编程语言的基本知识将OpenAI Whisper API集成到您的利用程序中。Whisper API是openai/openai-python的一部份，允许您访问各种OpenAI服务和模型。

首先，依照提示在终端中键入以下命令以在本地系统中设置API密钥的环境变量：

export OPENAI_API_KEY=’您的API密钥’

接下来，您可使用以下命令在Python程序中设置您的API密钥（不推荐使用这类方法，由于它会将您的API密钥暴露给公众）：

import openai
openai.api_key = “您的API密钥”

当您使用DataCamp Workspace时，可以通过单击“Integration”按钮 > “Create Integration” > “Environment Variables” > “Add Name and Value” > “Create”来轻松设置您的API密钥。

有了API密钥后，您可使用OpenAI Python API来进行语音转文本。

转录案例

以下是使用Whisper API进行英文转录的代码示例：

import openai
with open(“Audio/marvin_minsky.mp3”, “rb”) as audio_file:
transcript = openai.Audio.transcribe(
file = audio_file,
model = “whisper⑴”,
response_format=”text”,
language=”en”
)
print(transcript)

输出结果以下：

of theories called Steps Toward Artificial Intelligence around 1970. That sort of charted several possible lines of research, which pretty much predicted what several communities of researchers would do in the next 20 years. Those predictions started to fall apart around–so that paper was 1970, roughly. By the late 1980s, the world had changed. It was interesting because when I started research in that general area, almost all of my students soon became professors.

更多说明

Whisper支持多种语言和文件格式，您可以根据您的需求调剂参数，使用OpenAI API进行语音转文字和语音翻译。通过结合OpenAI的区别模型和服务，您可以创建强大的语音助手和其他语音相关的利用程序。

如果您对聊天机器人和自然语言生成模型感兴趣，您可以尝试使用OpenAI API进行ChatGPT聊天来创建更多有趣的利用。

希望本教程能帮助您更好地了解OpenAI Whisper和使用OpenAI API进行语音转文字和语音翻译的进程。

openai / whisper的常见问答Q&A