1、背景

最近在做面试复盘，但录音的内容太长，听音频的方式又太低效
需要把录音转成文字，阅读的方式会快很多
尝试了几种白嫖的方案后，效果转换都不理想，并且限制录音时长，撑死就是几分钟，完全不够用
于是，不得不斥巨资19.8元，在传说国内语音最强的某飞官方购买录音转文字服务

2、效果对比

录音内容主要是介绍我做过有代表性的项目，左边是OpenAI开源Whisper，右边是某飞付费

截图中，红色圈表示错误的，绿色表示正确的 最终结果是whisper 4 vs 1 完胜某飞

词语	whisper	某飞
致景	错误（自己）	错误（自己）
Jenkins	正确	错误（说点kiss）
GitlabCI	正确	错误（GPS）
yapi	正确	错误（VIP）
入参	正确	错误（入仓）
python	错误（派生）	正确

3、如何使用whisper

3.1 colab

colab这是我唯一找到支持安装whisper环境，并且免费提供GPU的AI平台！
Kaggle似乎也行，但用起来很不稳定。
如果你有更多的免费GPU平台，非常欢迎你留言交流

在colab上使用whisper超级简单

3.1.1 注册colab

在https://colab.research.google.com/这里注册即可

3.1.2 安装whisper环境

新建笔记本

安装whisper依赖 !pip install -U openai-whisper

3.1.3 使用whisper

上传你的录音

复制文件路径并执行命令 !whisper --model large --language Chinese --initial_prompt "以下是普通话的句子 。" 你的文件路径

模型很大，你需要等（忍）一下

默认会使用CPU运行时，效率比较低

切换GPU运行时，GPU会比CPU快很多
但都是免费资源，无法保证全力输出 GPU免费只有12小时，省着点用 用完后，记得点击右上角连接断开

最后看看一小段跟od hr对话的效果

3.2 本地运行

如果需要在本地运行的话，需要安装ffmpeg命令行
python版本最好是3.9 其他的跟上面没区别

友情提示，如果你没有GPU，最好不要在本地运行；CPU即使拉满，输出的速度也是远不及GPU
因为我本地没有GPU，所以不了解本地应该怎么配置GPU