Whisper 和 Faster-Whisper 模型下载与安装方法

1. 模型种类

Whisper 支持多种模型规格，包括 tiny、base、small、medium、large 等。

Faster-Whisper 的模型种类与 Whisper 类似。

2. 模型安装

Whisper 和 Faster-Whisper 的模型主要有两种获取方式：

通过 pip 安装：
- 运行 pip install -U openai-whisper，下载结果为 .pt 文件。
- 运行 pip install faster-whisper，下载结果同样为 .pt 文件。
从 HuggingFace 下载：
- 访问 https://huggingface.co/，搜索 whisper。
- 可下载 large-v3 和 large-v3-turbo 等版本，文件格式与上述不同。

3. 模型运行

3.1 使用 pip 安装的模型（OpenAI Whisper）

参考官方文档，示例代码如下：

import whisper

model = whisper.load_model("turbo")

# load audio and pad/trim it to fit 30 seconds
audio = whisper.load_audio("audio.mp3")
audio = whisper.pad_or_trim(audio)

# make log-Mel spectrogram and move to the same device as the model
mel = whisper.log_mel_spectrogram(audio, n_mels=model.dims.n_mels).to(model.device)

# detect the spoken language
_, probs = model.detect_language(mel)
print(f"Detected language: {max(probs, key=probs.get)}")

# decode the audio
options = whisper.DecodingOptions()
result = whisper.decode(model, mel, options)

# print the recognized text
print(result.text)

注意：Whisper 模型通常要求音频片段适配一定时长（如 30 秒），如果音频时间太短可能导致识别结果不准确，建议根据实际场景调整。

3.2 使用 pip 安装的模型（Faster-Whisper）