MLX - Whisper 教學 - 1

閱讀時間約 4 分鐘

在開始前,請先至 GitHub 上 Clone 相關資源到環境裡。

$ git clone https://github.com/ml-explore/mlx-examples.git

完成後,進入資料夾

$ cd ./mlx-examples/whisper​

裡面有以下資源:

# whisper​
.
|-- whisper # MLX 專用的 whisper 套件
|-- README.md​
|-- benchmark.py # 評估效能
|-- requirements.txt # 環境檔​
`-- test.py # 測試


根據 README 指示,先安裝好 Python 環境,Python 版本筆者是使用 3.9。

pip install -r requirements.txt

接著安裝多媒體轉換函式庫,這邊是使用 macOS 的 brew 來安裝,brew 安裝方法請直接到官網上複製指令到終端機上執行即可,完成後也不要忘記再執行它提示的指令。

brew install ffmpeg

在這邊就完成環境的準備了。


接著,文檔也提供了一個範本,如下

import whisper

text = whisper.transcribe(speech_file)["text"]

把 speech_file 改成檔案物件或是檔案路徑,接著直接執行就會直接開始轉換。


但文件並沒有提到其他的使用方法,因此筆者就翻了一下原始碼...

# ./whisper/whisper/transcribe.py

​def transcribe(
audio: Union[str, np.ndarray, mx.array],
*,
model: str = "tiny",
verbose: Optional[bool] = None,
temperature: Union[float, Tuple[float, ...]] = (0.0, 0.2, 0.4, 0.6, 0.8, 1.0),
compression_ratio_threshold: Optional[float] = 2.4,
logprob_threshold: Optional[float] = -1.0,
no_speech_threshold: Optional[float] = 0.6,
condition_on_previous_text: bool = True,
initial_prompt: Optional[str] = None,
prepend_punctuations: str = "\"'“¿([{-",
append_punctuations: str = "\"'.。,,!!??::”)]}、",
**decode_options,
):

...

發現是有其他常見的選項可以調整,像是:

  • model:tiny, base, small, medium, large,調整模型的大小。
  • verbose:True, False,是否要印出狀態,如果是 True 在轉換時就會一直印出轉好的文字與時間戳。
  • temperature:0.0, 0.2, 0.4, 0.6, 0.8, 1.0,語句的溫度。
  • initial_prompt:起始的文字,可以讓模型預先了解接下來的轉譯內容,若有專有名詞無法被正確辨識,可以先在這邊加上一些提示詞。
  • decode_options:fp16,...。可以改用 16 精度的浮點運算,預設為 32 精度。
  • 語言的部分似乎是自動辨識,一開始會需要約 30 秒來辨識語言。

以下是筆者自己實驗用的程式碼:

import whisper

path = './TEST.mp3'



fileRoot = '/'.join(path.split('/')[:-1])
fileName = path.split('/')[-1].split('.')[0]

text = whisper.transcribe(path, model='medium', verbose=True)["text"]

open(f'{fileRoot}/{fileName}-whisper.txt', 'w').write(text)

將上方的 path 改成自己檔案的路徑再執行,就會看見轉譯的過程,並且完成後會在同一目錄下看到同檔名的 TXT 純文字字幕檔。

留言0
查看全部
發表第一個留言支持創作者!
最近 Apple 為自家晶片推出一項機器學習的框架,稱做「MLX」。API 跟 NumPy, PyTorch, Jax 和 ArrayFire 相似,但最大的不同在於因為是 Apple 自行設計,在 M 系列晶片的「統一記憶體」上能直接計算資料。
最近 Apple 為自家晶片推出一項機器學習的框架,稱做「MLX」。API 跟 NumPy, PyTorch, Jax 和 ArrayFire 相似,但最大的不同在於因為是 Apple 自行設計,在 M 系列晶片的「統一記憶體」上能直接計算資料。
你可能也想看
Google News 追蹤
Thumbnail
接下來第二部分我們持續討論美國總統大選如何佈局, 以及選前一週到年底的操作策略建議 分析兩位候選人政策利多/ 利空的板塊和股票
Thumbnail
🤔為什麼團長的能力是死亡筆記本? 🤔為什麼像是死亡筆記本呢? 🤨作者巧思-讓妮翁死亡合理的幾個伏筆
Thumbnail
大名鼎鼎的openai推出Whisper-large-v2 AI 的第二版,可以用來製作屬於自己的自動影片上字幕程式,就讓我們一起來看看吧!
Thumbnail
Intoxicating Blood smeared Desolate Land
Thumbnail
近年來從歐美到亞洲有機、天然的概念興起,吹起一股植萃風潮。各大保養品牌也紛紛推出融入了植萃概念的頂級保養品,使得不少人將“植萃”二字與高價位劃上等號,遲遲不敢入手。今天要介紹一款"錢包友善"的植萃品牌—Sukin給大家,不只減輕肌膚負擔,荷包也沒有負擔!
Thumbnail
長到這麼大,看過那麼多形形色色的人,知道有許多靈魂是不眠的貓。有些人是夜店咖,而李世寬不一樣,他是夜市咖。 第一次遇見李世寬就知道有鬼。 我的印象很深刻,那是個撈魚的普通攤位,那夜卻聚集了不少吆喝的人群。我被這景象吸引了,心想到底撈魚的攤位放了什麼珍奇異種,總不可能是一尾上萬的紅龍吧?
Thumbnail
就算在疫情之前,近年常聽說日本清酒要出口海外,但無奈至今出口量只不過寥寥可數的4 ~ 5%。我想主要原因來自製造商對輸出海外的取態不一所致!有些酒藏想法是覺得海外沒有飲清酒的風氣,焦點留於國內,甚至縣內,以生產地酒為傲;但另一幫鼓吹出口的酒藏卻牢牢抓住了契機,努力將自家產品賣出去......
Thumbnail
經常有個不明白的迷思,究竟坊間所謂的「唎酒師」應該是一個餐廳職位還是認證資歷呢?這個問題打從我學習清酒課程的時候就已經有,到現在我還是攪不清楚...... 唎酒師的專業資格,不外乎是證書一張、襟章一枚,拿了之後才是唎酒師之路的開始......
Thumbnail
「杜氏」是日本酒藏裡的首席釀酒師,其下配有其他的熟練工匠——「藏人」。 據說「杜氏」一詞源自中國最早釀出酒的杜康之名。 (也有說法認為事實上是杜康的妻子釀造出酒。) 日文中還留有「刀自」(日文中與杜氏發音相同,文字不同) 這一古老的詞語,是「夫人」 或者「女士」的文言用語。在古代,釀酒曾經.....
Thumbnail
也許大家對日本酒界大前輩 秋山裕一 認識不深,但大家一定聽過他畢生心血的名字、歷史首枚「低發泡性酵母」酵母菌株~「協會701號」。秋山裕一(Yuichi Akiyama)1924年出生於山梨縣的酒造家庭。1947年畢業於東京大學,在被尊稱為「日本酒博士」的坂口謹一郎教授其發酵科學課下學習了5年...
Thumbnail
從葡萄酒客的角度去欣賞日本清酒,無疑是日本清酒業界的新思維,就連日本人也要重新學習與認識他們的表達方法與取向。不過,葡萄酒人(先接觸葡萄酒、再走進清酒世界的飲者)有個特點,喜歡分析......
Thumbnail
接下來第二部分我們持續討論美國總統大選如何佈局, 以及選前一週到年底的操作策略建議 分析兩位候選人政策利多/ 利空的板塊和股票
Thumbnail
🤔為什麼團長的能力是死亡筆記本? 🤔為什麼像是死亡筆記本呢? 🤨作者巧思-讓妮翁死亡合理的幾個伏筆
Thumbnail
大名鼎鼎的openai推出Whisper-large-v2 AI 的第二版,可以用來製作屬於自己的自動影片上字幕程式,就讓我們一起來看看吧!
Thumbnail
Intoxicating Blood smeared Desolate Land
Thumbnail
近年來從歐美到亞洲有機、天然的概念興起,吹起一股植萃風潮。各大保養品牌也紛紛推出融入了植萃概念的頂級保養品,使得不少人將“植萃”二字與高價位劃上等號,遲遲不敢入手。今天要介紹一款"錢包友善"的植萃品牌—Sukin給大家,不只減輕肌膚負擔,荷包也沒有負擔!
Thumbnail
長到這麼大,看過那麼多形形色色的人,知道有許多靈魂是不眠的貓。有些人是夜店咖,而李世寬不一樣,他是夜市咖。 第一次遇見李世寬就知道有鬼。 我的印象很深刻,那是個撈魚的普通攤位,那夜卻聚集了不少吆喝的人群。我被這景象吸引了,心想到底撈魚的攤位放了什麼珍奇異種,總不可能是一尾上萬的紅龍吧?
Thumbnail
就算在疫情之前,近年常聽說日本清酒要出口海外,但無奈至今出口量只不過寥寥可數的4 ~ 5%。我想主要原因來自製造商對輸出海外的取態不一所致!有些酒藏想法是覺得海外沒有飲清酒的風氣,焦點留於國內,甚至縣內,以生產地酒為傲;但另一幫鼓吹出口的酒藏卻牢牢抓住了契機,努力將自家產品賣出去......
Thumbnail
經常有個不明白的迷思,究竟坊間所謂的「唎酒師」應該是一個餐廳職位還是認證資歷呢?這個問題打從我學習清酒課程的時候就已經有,到現在我還是攪不清楚...... 唎酒師的專業資格,不外乎是證書一張、襟章一枚,拿了之後才是唎酒師之路的開始......
Thumbnail
「杜氏」是日本酒藏裡的首席釀酒師,其下配有其他的熟練工匠——「藏人」。 據說「杜氏」一詞源自中國最早釀出酒的杜康之名。 (也有說法認為事實上是杜康的妻子釀造出酒。) 日文中還留有「刀自」(日文中與杜氏發音相同,文字不同) 這一古老的詞語,是「夫人」 或者「女士」的文言用語。在古代,釀酒曾經.....
Thumbnail
也許大家對日本酒界大前輩 秋山裕一 認識不深,但大家一定聽過他畢生心血的名字、歷史首枚「低發泡性酵母」酵母菌株~「協會701號」。秋山裕一(Yuichi Akiyama)1924年出生於山梨縣的酒造家庭。1947年畢業於東京大學,在被尊稱為「日本酒博士」的坂口謹一郎教授其發酵科學課下學習了5年...
Thumbnail
從葡萄酒客的角度去欣賞日本清酒,無疑是日本清酒業界的新思維,就連日本人也要重新學習與認識他們的表達方法與取向。不過,葡萄酒人(先接觸葡萄酒、再走進清酒世界的飲者)有個特點,喜歡分析......