ikmnjrd.github.io

音声認識モデルwhisperをインストールしてみた

Posted on 2022-10-17
環境
手順
まとめ
周辺用語
参考文献
目次

自分の環境のメモ的な意味合いが強いので、他のブログなどを参考にした方がいいです。
音声認識モデルwhisperの全モデル文字起こし比較 - 毎日がEveryday、日々 Day by Day
私は上のブログを見て使ってみようと思いました。

環境

ソフト/ハード バージョン
iMac 27-inch, 2017
macOS 12.6
Python 3.9.6
pip 22.3

普段pythonを使わない（言い訳）ので% python3 hogehoge % pip3 hogehoge とaliasすら貼ってない環境です。

手順

ffmpegをインストール

% brew install ffmpeg

whisperをインストール

% pip3 install git+https://github.com/openai/whisper.git

すると以下の警告が表示された。

Installing collected packages: whisper
  WARNING: The script whisper is installed in '/Users/ike/Library/Python/3.9/bin' which is not on PATH.
  Consider adding this directory to PATH or, if you prefer to suppress this warning, use --no-warn-script-location.
Successfully installed whisper-1.0

Pythonを日常使いすることないので、そうだったんだねー(どうやるのがスマートなんですか？)という気持ちで特にパスを通さず直接実行してみる。

% /Users/ike/Library/Python/3.9/bin/whisper /Users/ike/Downloads/recording.mp3 --language Japanese --model base

ちなみに自分の環境ではコマンド実行時に以下の警告が出た。

 UserWarning: FP16 is not supported on CPU; using FP32 instead
  warnings.warn("FP16 is not supported on CPU; using FP32 instead")

標準出力には以下のように出力される。

[00:00.000 --> 00:12.320] テストですと 本日はウィスパーの 紹介をしたいと思います
[00:12.320 --> 00:19.280] (恥ずかしいので省略)
[00:19.280 --> 00:26.720] トコマンドラインから実行することが できます

さらに、以下のようなファイルがカレントディレクトリに作成される。
それぞれ形式違うらしいが標準出力とほぼ同じテキストファイル。

-rw-r--r--    1 ike   staff    319 Oct 17 20:02 recording.mp3.srt
-rw-r--r--    1 ike   staff    220 Oct 17 20:02 recording.mp3.txt
-rw-r--r--    1 ike   staff    303 Oct 17 20:02 recording.mp3.vtt

まとめ

GitHubのDiscussions内でwhisperを使ったツールなどが紹介されている。
中にはリアルタイム文字起こしなどもあって眼福。
個人的にはWeb会議を録音しておいて、議事録作成に役立てばすごく満足なので、一々上のコマンドを叩く使い方でしばらく使ってみようと思う。

周辺用語

  • FP16
  • FP32

参考文献