【Google Colab Python系列】OpenAI Whisper: 語音辨識產生字幕檔

更新於 2023/05/03發佈於 2023/04/24閱讀時間約 3 分鐘

上一篇「【Google Colab Python系列】初探Whisper: 來對一段Youtube影片進行辨識吧！」我們介紹了Whisper的基本用法及功能，這次我們除了語音辨識之外，還要下載辨識後的字幕檔，我想這對於我們常常看到沒有字幕的影片，若想要進行辨識與翻譯時非常有幫助。

圖片來源

這次的篇章主要做些什麼？

前置作業。
上傳影音檔。
自動語音辨識文字。
下載字幕檔(.srt)。

前置作業

安裝相關套件

openai-whisper

檢查是否開啟GPU

# 安裝whisper語音辨識工具
!pip install -U openai-whisper
# 檢查是否開啟GPU
!nvidia-smi

上傳影音檔

在Google Colab環境中如果要上傳音檔是沒問題的，貼心的Colab提供了API讓我們可以設計上傳音檔的功能，那就讓我們來實際玩玩吧。

P.S 上傳的時間會比下載的時間久很多，可以喝杯咖啡後再回來。

from google.colab import files
uploaded = files.upload()
todo = []
for fn in uploaded.keys():
  print('{name} with length {length} bytes'.format(name=fn, length=len(uploaded[fn])))
  todo.append(fn)todo

載入辨識模型

要載入什麼樣的模型呢？可以看看官方網站的「Available models and languages」

import whisper
model = whisper.load_model('large')

對上傳檔案進行辨識

import os
from whisper.utils import get_writer
# 輸出格式為srt
# 輸出路徑為目前位置
w = get_writer('srt', '.')for f in todo:
  name = os.path.basename(f)  result = model.transcribe(name)  srt_file_name = '{name}.srt'.format(name=name)
  w(result, srt_file_name)  files.download(srt_file_name)

圖片來源

結語

有了Whisper之後，我們就能夠本地開發一隻Python小程式來對影片進行辨識自動產生字幕了，如此一來就不用每次都上傳到雲端才開始進行，甚至人工產生字幕，基本上Whisper的辨識就目前使用上來說已經算是不錯了，句子的切點都還算精確，標點符號也都幫我們自動標上，真是貼心啊。

今天的範例都在這裡「📦 whisper_1_srt.ipynb」歡迎自行取用。

如何使用請參閱「【Google Colab系列】台股分析預備式： Colab平台與Python如何擦出火花？」。

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

喜歡撰寫文章的你，不妨來了解一下：

Web3.0時代下為創作者、閱讀者打造的專屬共贏平台 — 為什麼要加入？

歡迎加入一起練習寫作，賺取知識，累積財富！

為什麼會看到廣告

阿Han的沙龍阿Han的軟體技術棧 💡AI阿Han的沙龍阿Han的軟體技術棧 💡python

阿Han的沙龍

117會員

262內容數

哈囉，我是阿Han，是一位 👩‍💻 軟體研發工程師，喜歡閱讀、學習、撰寫文章及教學，擅長以圖代文，化繁為簡，除了幫助自己釐清思路之外，也希望藉由圖解的方式幫助大家共同學習，甚至手把手帶您設計出高品質的軟體產品。

留言0

查看全部

發表第一個留言支持創作者！

阿Han的沙龍的其他內容

【Google Colab Python系列】初探Whisper: 來一段Youtube影片進行語音辨識吧！

這個篇章主要是讓我們能夠熟悉Whisper的安裝與使用方式，並簡單的對Youtube影片進行線上翻譯的工作，主軸在於了解一下整個Whisper使用方式到底是簡單還是複雜，就讓我們一起來玩玩看吧！在這之前我們還是說一下Whisper它是什麼樣的一個工具，能夠做什麼？ Whisper 是OpenAI

#whisper #AI #語音辨識

【💎 資料庫寶典】MongoDB版本控管設計模式

MongoDB非常擅長查詢大量的數據並經常更新這些資訊，在多數的情況之下，我們只要查詢資訊最新的狀態，那假設我們需要查詢資料的上一個狀態呢？如果我們需要一些文檔版本控管功能時怎麼辦呢？這就是我們可以使用版本控管設計模式的地方了。這個模式之下會保存文檔的歷史版本，我們就不用導入另外一個版

#資料庫 #MongoDB #database

【資料庫寶典】 MongoDB - 進階索引

本篇主要是介紹MongoDB有哪些進階的索引，了解原理及功能後，在應用上才能規劃出更有效率的索引，而主要會談到以下五個索引類型：複合索引。部份索引。多鍵索引。全文索引。 TTL索引。進入到索引類型之前先提醒一下，一個集合的索引數不能超過64個。限制：最多只能31個欄位做一組複合索

#資料庫 #MongoDB #database

【資料庫寶典】MongoDB：Capped Collection

主要是收攏documents的容器, 可以支援各種不同結構的document。不能為空字串。不能以system開頭, 這是系統集合保留的前綴。超過配置大小, 新增時當超過配置限額時, 會先從最早的document刪除後再append新的document。更新時不能超過size限制。不能刪除

#MongoDB #資料庫 #database

【Web微知識系列】 Web Workers

Web Workers主要提供簡單的API讓網頁在背景執行緒中執行程式而不干擾使用者的操作。 javascript主要功能是與user操作頁面互動及操作dom，試想若使用多執行緒的概念，那麼一個動作是新增至某個dom節點，另一個動作則是修改該dom節點，此時瀏覽器應該使用哪個動作為準? 所以為了避免

#web #javascript

【Web微知識系列】 Service Workers

Service worker與Web workers相同，也都是一段運行在瀏覽器後台的腳本，提供一些不需要與頁面直接交互的功能(操作dom)，主要處理網路相關的問題，可以攔截網路請求進行相對應的優化動作，我們把它想像成與伺服器之間的代理服務器可能會比較容易理解，當網路環境不佳時便回應快取資源，待網路

#web