使用OpenAI開源的whisper來識別下casablanca及中文

OpenAI開源了其whisper有一段時間了，但大家更多關注的是其charGPT,這幾天試了下whisper，覺得識別效果還是挺好的，針對中文，缺少的是其grammar的部分，或者說是中文漢語的一些語義及常用詞等。還有一點可能就是里邊沒有把繁體和簡體單獨定義，所以常常會有一些繁體字在里邊。

開源地址：https://github.com/openai/whisper.git

gitee鏡像：https://gitee.com/nwaycn/whisper.git

識別效果圖：

第一個文件為英文歌《casablanca》，后續兩個是我們自己錄制的中文語音文件。

下邊我們再來首《我的未來不是夢》，看看識別結果

其使用的是torch,在生成過程中，默認的會生成對應的json、srt、tsv、txt、vtt等，如上圖所示，近五分鐘的錄音識別過程是16.6秒左右，而小文件優勢不是太大。

寫到這里，感慨一下，曾經用過的卡內基的pocketsphinx，后邊一直再沒見有新的發布。