Whisper czyli nowe fajne do rozpoznawania mowy

git to git, współpracuje ze wszystkimi tego typu, gitlab, github, nie wiem co jeszcze :D

Dokładnie, @balteam nie wprowadzaj w błąd. Github to hosting dla gita, git to system kontroli wersji. A, no i @matius ffmpega też Sobie zainstaluj, bo tego też Whisper potrzebuje.

Tak, dzięki. Tylko gita zabrakło. Znalazłem. Pierwszy wynik w google wystarczył.

No to OK. Torch zainstalowany, a i tak twierdzi, że go nie znalazł. Dziwne. Jak teraz wogule urzyć tego whispera? Ffmpeg mam zainstalowany.

Jaki masz dokładnie komunikat po uruchomieniu Whispera?

C:\Users\mateu>pip install git+https://github.com/openai/whisper.git
Defaulting to user installation because normal site-packages is not writeable
Collecting git+https://github.com/openai/whisper.git
Cloning https://github.com/openai/whisper.git to c:\users\mateu\appdata\local\temp\pip-req-build-gn8i0dfp
Running command git clone --filter=blob:none --quiet https://github.com/openai/whisper.git 'C:\Users\mateu\AppData\Loc
al\Temp\pip-req-build-gn8i0dfp'
Resolved https://github.com/openai/whisper.git to commit eff383b27b783e280c089475852ba83f20f64998
Preparing metadata (setup.py) ... done
Collecting numpy
Using cached numpy-1.23.5-cp311-cp311-win_amd64.whl (14.6 MB)
ERROR: Ignored the following versions that require a different python version: 1.21.2 Requires-Python >=3.7,<3.11; 1.21.
3 Requires-Python >=3.7,<3.11; 1.21.4 Requires-Python >=3.7,<3.11; 1.21.5 Requires-Python >=3.7,<3.11; 1.21.6 Requires-P
ython >=3.7,<3.11
ERROR: Could not find a version that satisfies the requirement torch (from whisper) (from versions: none)
ERROR: No matching distribution found for torch

[notice] A new release of pip available: 22.3 -> 22.3.1
[notice] To update, run: python.exe -m pip install --upgrade pip

Torch instalujesz najpierw.

Zainstalowałem anaconde, która powinna torcha zainstalować.

Nie, sama nie zainstluje, jeśli chciałeś przez anaconde to powinieneś wyklepać conda install coś tam, ale już robisz, także bomba.

Tak, okazało się, że przy instalacji pytorch trzeba było zamienić 116 na 117. Bo komende znalazłem, a nie wiedziałem czemu się nie instaluje i wali eerror. Ale Żywek pomugł i się ciągnie.

Ktoś ubiegł Dawida i zrobił webowe gui do whisper.cpp, ale pod Linuxa, więc ewentualnie na wsl by to mogło stać, w sensie to jest selfhosted, chyba że ktoś znajdzie jakąś instancję
https://codeberg.org/pluja/web-whisper/releases

Ja to czekam na windows exe, bo z tym cpp mam problem taki, że nie mam kompilatora, który by to przerobił.
A z pythonem jest taki problem, że nie może znaleść mi pliku, choć go mam i konsola twierdzi, że znajduje się właśnie w odpowiednim folderze.

Udało się, że konsola znalazła plik, ale jak wpisuje komendę, którą znalazłem w necie, to whisper nie potrafi pliku odpalić.

Co jakiś czas zerkam na projekty, które inspirowane są Whisperem i ten mnie bardzo zainteresował:
https://github.com/davabase/whisper_real_time
Rozpoznawanie mowy w czasie rzeczywistym z wykorzystaniem Whispera. Muszę przyznać, że działa na prawdę ciekawie. Wyniki są ciut gorsze od tego, co dostajemy przy statycznym pliku, ale i tak działa to imponująco. Jeszcze tak jakby ktoś miał pomysł jak nakarmić danymi wyjściowymi z tego youtube, Zooma czy facebooka, to mamy coś na prawdę ciekawego. :)

Ciekawe jakie to ma wymagania karciano graficzne. Jak to w ogóle działa. Sprubuję sam to zainstalować, rozumiem, że na Gicie jest ten pliczuś Readme.MD i z niego trzeba wszystko tak?

któym modelem to to umie i jakie ma opóźnienia?

Ja testowałem na large i u mnie opóźnienie było w granicach kilku sekund, wszystko zależy pewnie od GPU

A ktoś mógłby podesłać, albo wyjaśnić jak to wszystko odpalić? Bo mam wszystko poinstalowane, a jak chce aby odpaliło plik to jest błąd.
Może ja źle wpisuje komende, którą znalazłem w necie?

O to to to. Mateponczas swego czasu robił tu instruktarz, jak to zainstalować. Może jakiś update?

Ale jaki błąd jest konkretnie, przecież Cię pytałem, jak próbujesz cokolwiek na jakimkolwiek pliku zrobić.