Whisper 音视频文字识别

领导总是会在里面分享一些培训视频，若只是看了不回复不总结，恐怕会让领导以为没人关注。于是我在想能不能让程序帮我总结一下视频内容呢？

Whisper 是一种通用语音识别模型。它能够帮我们将音视频中的语音识别为文字。

安装 Whisper ​

我使用的是 WSL2 安装环境。

安装 Whisper 需要先安装 python3，我这里使用的版本是 pip 22.0.2 from /usr/lib/python3/dist-packages/pip (python 3.10)。

通过以下命令我们可以安装最新发布的 whisper：

pip install -U openai-whisper

或者使用以下命令从仓库中拉取并安装最新的提交，以及它的 Python 依赖项：

pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git

它还要求在您的系统上安装命令行工具 ffmpeg, 这可以从大多数包管理器中获得：

# on Ubuntu or Debian
sudo apt update && sudo apt install ffmpeg

# on Arch Linux
sudo pacman -S ffmpeg

# on MacOS using Homebrew (https://brew.sh/)
brew install ffmpeg

# on Windows using Chocolatey (https://chocolatey.org/)
choco install ffmpeg

# on Windows using Scoop (https://scoop.sh/)
scoop install ffmpeg

如果你在安装 whisper 过程中遇到 tiktoken 相关错误，你可能还需要安装 rust。

使用 ​

顺利安装完成 whisper 后就可以正常使用了，下面是简单使用示例：

whisper 培训视频.mp4 --language Chinese

完整的使用方法还得去 github 查看详细使用文档。

AI 总结 ​

下面我们就可以让大语言模型帮我们生成总结，非常的 nice。