Whisper：把视频和语音文件转换成文字

最近，OpenAI 把自己的语音识别项目 Whisper 开源了，声称能把视频和语音文件转换成文字。听说效果能和科大讯飞那些收费产品一较高下，而且最妙的是，这玩意儿不需要 GPU，家用电脑就能跑！

我是个折腾爱好者，尤其对这种开源项目兴趣满满。官方文档固然详细，但我这次打算走个捷径，找到了一个基于 Whisper 的 web 服务项目，直接用 Docker 部署，听起来是不是很酷？

home_open_whisper_1

下载 Docker 镜像

在 Docker 里搜索 openai-whisper-asr-webservice，拉下第一个镜像。

home_open_whisper_2

启动服务

    
    docker run -d -p 9000:9000 -e ASR_MODEL=base onerahmet/openai-whisper-asr-webservice:latest

运行完毕后，打开浏览器访问 http://localhost:9000/，初次访问会下载模型，稍等片刻后，就能看到部署成功的页面，简单至极！

home_open_whisper_3

开始使用

提供了两个 HTTP 接口：语音识别和语言检测。语音识别接口，上传文件后转换成文字；语言检测接口，则是识别上传文件的语言类型。

home_open_whisper_4

音/视频转文字

试了下英文音频，上传后点击执行，一会儿工夫就看到了转换结果。

home_open_whisper_5

语言检测

还能检测视频或音频文件里的语言类型，这对于多语言文件也是非常友好的。

home_open_whisper_6

OpenAI的Whisper项目通过其开源和容易部署的特性，为广大用户和开发者提供了一个强大的语音识别工具。它不仅能够处理复杂的语音识别任务，还降低了技术门槛，使得更多的人能够利用这一技术。通过Docker容器化技术，Whisper的部署和使用变得前所未有的简单，进一步推动了人工智能技术的普及和应用。