Buzz语音转文字安装使用(含Whisper模型下载)_Python

简介：

transcribe and translate audio offline on your personal computer. powered by openai’s whisper.
转录和翻译音频离线在您的个人计算机。由openai的whisper提供动力。
可以简单理解为qt的前端界面，python语言构建服务端，使用whisper语言模型进行计算语音转文字的软件。
痛点在于离线，缺点也很明显，模型较大，高质量模型运算依赖于硬件和算法优化

应用场景

学习，歌曲提取歌词，视频提取字幕，多媒体信息前置数据提取

软件下载

从github上进行下载，下载地址https://github.com/chidiwilliams/buzz
在这里插入图片描述

百度云盘离线下载 https://pan.baidu.com/s/1o8vxdw8fx1ytb000u5wqja?pwd=b67d

软件安装

windows软件安装的常规流程，双击exe，选择安装路径，进行安装

软件使用

首先双击buzz.exe，然后打开音频文件
在这里插入图片描述

第一执行翻译任务会在用户安装目录下载模型，如果是下载时间过长，windows版本下载路径为：c:\users<username>\appdata\local\buzz\buzz\cache ，表示用户目录，大概率会失败报错，这里可以使用离线的模型包

模型离线下载

百度云盘离线下载 https://pan.baidu.com/s/1o8vxdw8fx1ytb000u5wqja?pwd=b67d
下载完成后有五个类别的模型，大小和名字一样，越大效果越强，当然也取决于硬件，运算量越大，耗时越长
在这里插入图片描述
复制解压出来的模型，复制和替换c:\users<username>\appdata\local\buzz\buzz\cache 下的模型

开始进行任务翻译任务处理

在这里插入图片描述

准确率和效率

上面视频用的tiny模型，这个模型很小，所以翻译效果一般，但是用时也很短
实测使用large(体积最大)模型翻译最准确，但是对硬件的图形运算能力要求很高，花费时间也最长

日志和耗时信息

tiny 模型耗时
whisper process completed with code = 0, time taken = 0:01:24.168368, number of segments = 155
large 模型耗时
whisper process completed with code = 0, time taken = 0:20:40.773737, number of segments = 214