OpenAI'den Whisper, sesinizi benzersiz bir şekilde metne dönüştürmenize yardımcı olabilecek, yapay zeka destekli yeni bir çözümdür. Hepsinden iyisi, hiçbir ücret ödemeden gelir.
Ancak nispeten küçük bir sorun var: kurulum ve kullanım, normal bir Windows aracına göre daha zordur. Özellikle Nvidia grafik kartınızdaki Tensor çekirdeklerini iyi bir destek sağlamak için kullanmak istiyorsanız. Doğrulamak Yazılarınızdan ücretsiz olarak sanat yaratmak için en iyi yapay zeka tabanlı araçlar.
Ancak umutsuzluğa kapılmamalısınız. Bu yüzden buradayız! Nasıl kurulacağını ve kullanılacağını öğrenmek için okumaya devam edin; ayrıca, bir Nvidia grafik kartınız varsa, Whisper'ın size nasıl fayda sağlayabileceğini de göstereceğiz.
Hızlı Linkler
OpenAI'den Whisper nedir?
ChatGPT kullanıcılar arasında hızla popüler hale geliyor ve onu nasıl kullanabileceğinizi zaten gördük. OpenAI'den ChatGPT. Ancak OpenAI'nin tek ilginç projesi bu değil.
Derin öğrenme ve sinir ağlarıyla desteklenen Whisper, konuşmayı "anlayabilen" ve onu metne dönüştürebilen bir doğal dil işleme sistemidir. Ancak aynı zamanda kendi alanında birçok özel konfigürasyona sahiptir ve aşağıdakiler sayesinde tüm benzer çözümlerden daha iyi performans gösterir:
- Whisper, doğal dil konusunda "eğitimli" bir yapay zeka çözümüdür. Dolayısıyla “doğal” insan konuşmasını anlamak eski çözümlerden daha iyidir.
- Whisper bir arayüzle gelmiyor ve ses kaydedemiyor. Yalnızca mevcut ses dosyalarını alabilir ve metin dosyalarının çıktısını alabilir.
- "Dili anlama" konusunda iyi olduğundan Whisper aynı zamanda otomatik çeviri konusunda da kesinlikle en iyisine sahiptir.
- Whisper çevrimiçi bir hizmet değildir ve tamamen çevrimdışı çalışabilir.
- Nvidia grafik kartınız (GTX970 veya üzeri) varsa Whisper, yanıt verme hızını artırmak için Donanım Hızlandırma Modunda çalıştırılabilir.
- Kayıt olmanıza, lisans satın almanıza veya abonelik satın almanıza gerek yoktur.
AMD grafik kartı neden desteklenmiyor?
GPU'ların yalnızca grafik çıkışından daha fazlası için yararlı olabilmesi için, tamamen programlanabilir işlemciler olarak işlev görmeleri gerekir. Bu nedenle Nvidia, resmi olarak "paralel bilgi işlem platformu ve programlama paradigması" olarak kabul edilen CUDA mimarisini yarattı.
CUDA, yalnızca Nvidia GPU'larıyla uyumlu, tescilli bir Nvidia teknolojisidir. AMD'ye en yakın alternatifleri OpenCL ve Radeon Compute Platform'dur.
Alternatiflerle karşılaştırıldığında CUDA daha olgun, performanslı ve kullanımı daha kolaydır. Bu nedenle çoğu geliştirici yalnızca CUDA'yı hedefler; bu da uygulamalarının yalnızca Nvidia GPU'lardaki donanım özelliklerinden yararlandığı anlamına gelir. Buna Whisper da dahildir. Doğrulamak Linux'ta AMD ve NVIDIA Ekran Kartları Karşılaştırması: Hangisini Kullanmalısınız?
Whisper nasıl indirilir ve yüklenir
Ne yazık ki Whisper indirebileceğiniz, kurabileceğiniz ve çalıştırabileceğiniz bağımsız bir uygulama değil. Kurulması gereken diğer bağımlılıklara da bağlıdır.
Windows için bu kılavuzu basit tutmak amacıyla gerekli uygulama parçalarının çoğunu yüklemek için oldukça popüler olan Chocolatey'i kullanacağız. Hakkındaki kılavuzumuza göz atın Windows uygulamalarını yüklemenin en hızlı yolu Çikolata hakkında daha fazla bilgi için.
Hem Linux hem de Mac için kurulum süreci (Windows yol değişkeni ve oluşturacağımız kullanışlı toplu iş dosyaları hariç) benzer olmalıdır.
- Whisper'ı kurmak ve kullanmak için Python'u ve PIP aracını kurmalı ve bunları Windows "Path" değişkenine eklemelisiniz. Bu konuda bilgi edinmek için ilgili makalemize bakın. Windows'a Python PIP nasıl kurulur و Mac ve Linux.
- kurmak FFMPEG Bu komutu kullanarak Chocolatey aracılığıyla:
choco install ffmpeg
- Ayrıca Python sürümünü aşağıdakileri kullanarak yükleyin:
pip3 install python-ffmpeg
- Son olarak Whisper'ı Github sayfasından aşağıdakileri kullanarak yükleyin:
pip3 install git+https://github.com/openai/whisper.git
Whisper'ın CUDA Etkin sürümünü edinin
Her ne kadar Whisper doğal olarak Nvidia GPU'larını kullanmasa da, temel aldığı Torch paketi CUDA ile hızlandırılmış bir sürüm sunuyor. Whisper'ın "normal" sürümü yerine bunu kullanmak, Nvidia grafik kartınızın yardımıyla ses transkripsiyonlarını daha hızlı tamamlamanıza yardımcı olabilir.
Nvidia'nın CUDA'sını kullanan Whisper'ı edinmek için:
- Torch'un "vanilya" sürümü zaten yüklüyse, onu kaldırın ve aşağıdakileri kullanarak kalan dosyalardan kurtulun:
pip3 uninstall torch
- İşiniz bittiğinde, aşağıdaki komutla devam edin:
pip önbellek temizleme
- Torch'un CUDA özellikli sürümünü şu komutu kullanarak yükleyin:
pip3 install torch torchvision torchaudio — extra-index-url https://download.pytorch.org/whl/cu117
- Whisper'ın Nvidia GPU kullanarak çalışıp çalışmadığını kontrol etmek için şunu kullanın:
fısıltı — yardım | findstr -i pytorch
(Varsayılan:cpu) yerine (varsayılan:cuda) görmelisiniz. Doğrulamak ChatGPT'nin içerik yazma işinizi üstlenmemesinin gelişmiş nedenleri.
Torch kurulumu başarısız olursa ne yapılmalı
Torch'u yüklerken "Sürüm bulunamadı" hatasıyla karşılaşırsanız mevcut sürümünüze paralel olarak Python'un daha eski bir sürümünü yüklemeniz gerekebilir.
Bunu yapmak için bu komutu kullanın:
choco install python — version OLDER_VERSION — side-by-side
"OLDER_VERSION"ı 3.10 gibi bir sürümle değiştirin.
Daha sonra, tüm "genel" Whisper komutları için ikincil sürüm yolunu kullanın (örneğin, "c:\Python310\Scripts\pip.exeSadece “pip” yerine ”
Sesinizi nasıl kaydedersiniz
Sesinizi bir WAV veya MP3 dosyasına dönüştürmek için herhangi bir ses kayıt uygulamasını kullanabilirsiniz. Windows böyle bir uygulama içerir; bu uygulama hakkında daha fazla bilgi için Nasıl kullanılır bölümüne bakın. Windows 10'da ses kaydedici uygulaması.
Tam özellikli bir seçenek için Audacity'yi deneyin. Rehberimizle bunu nasıl yapacağınızı öğrenin Audacity nasıl kullanılır? Windows ve Mac'te ses kaydetmek için.
Whisper ile yazmaya nasıl başlanır?
Whisper basit bir GUI ile gelmese de kullanımı oldukça akıcı.
Diyelim ki c:\MyAudioFiles klasöründe Yunanca konuşmayı içeren bir LateNote.mp3 dosyamız var ve bunu İngilizceye çevirip bir metin dosyasına kopyalamak istiyoruz.
- Koşmaya başlıyoruz Komut İstemi veya PowerShell.
- Bu komutu kullanarak ses dosyasının saklandığı “dizini değiştiriyoruz”:
cd C:\MyAudioFiles
- Dosyada Whisper'ı aşağıdakileri kullanarak çalıştırıyoruz:
fısıltı — model tabanı — dil gr — görev çevir LatestNote.mp3
İşlendikten sonra metin dosyası (“LatestNote.mp3.txt” adlı) aynı klasörde görünecektir. Çevrilen metni görüntülemek için Not Defteri gibi bir metin düzenleyicide açın.
İngilizce harf çevirisi daha net olduğu için örnek bir çeviri kullandık: sadece "lose", "-language" ve "-task" etiketlerini kullanın. Dolayısıyla, basit fonetik transkripsiyon için yukarıdaki komut şöyle olacaktır:
fısıltı — model tabanı LatestNote.mp3
Whisper farklı seçeneklerden birini kullandığından "model" etiketi gereklidir. İhtiyaçlarınıza en uygun olanı seçmenize yardımcı olmak için kapsamı genişletelim. Doğrulamak Ses transkripsiyonunun işlevi nedir? Rolü nedir ve nasıl çalışır?
Hangi modeli seçmelisiniz?
Whisper farklı dil modelleri sunar. Model ne kadar büyük olursa çözünürlüğü de o kadar yüksek olur, ancak donanım gereksinimleri de o kadar yüksek olur. Hangisi:
- Minik.
- Baz.
- Küçük.
- Orta.
- Büyük.
Tiny veya Base formlar İngilizce konuşanların çoğu için uygun olacaktır. Anadili İngilizce olmayanlar Orta ve Büyük gibi daha büyük modellerle daha iyi sonuçlar görebilirler.
Ancak Orta ve Büyük modellerin 8 GB'tan fazla VRAM gerektirdiğini unutmayın (ör.GPU belleğiniz").
Bunlardan birini seçmek için komutta “—model” tuşundan sonra modeli belirtin:
fısıltı — model minik/küçük/orta/büyük [dosya]
örnek:
fısıltı — küçük model My_Voice_Note.mp3
Ses transkripsiyonunu basitleştirme
Her seferinde bir sesi yazıya dökmek istediğinizde Whisper komutunun tamamını yazmak zorunda kalmak çabuk sıkıcı hale gelebilir. Süreci basitleştirmek için küresel olarak erişilebilir bir toplu iş dosyası oluşturalım.
- Windows Gezgini'ni başlatın ve sürücüyü ziyaret edin C:.
- Komut dosyaları için bir klasör oluşturun ve yolunu panoya kopyalayın.
- Windows Başlat Menüsü'nde “Yol”u arayın ve Sistem ortamı değişkenlerini değiştirme.
- Ara Yol değişkeni YOUR_USERNAME için Kullanıcı Değişkenleri altında. Düzenlemek için çift tıklayın. Tıklamak yeni ve yolu komut dosyaları klasörünüze yapıştırın. Değişiklikleri kabul etmek için Tamam'ı tıklayın.
- Windows Gezgini'ndeki Komut Dosyaları klasörüne dönün. Orada “wht.bat” adında yeni bir toplu iş dosyası oluşturun. “İçinde” şu komutu ekleyin:
fısıltı — küçük model — dil %1'de
- “whs” ve “whm” olmak üzere iki toplu iş dosyası oluşturun.
- Bu komutu ilk dosyanın içine ekleyin:
fısıltı — küçük model — dil %1'de
- Bu komutu ikinci dosyanın içine ekleyin:
fısıltı — model ortam — dil en %1
Tebrikler, artık küçük, orta ve temel Whisper modellerini ses dosyalarınızla kolayca kullanabileceğiniz üç dosyanız var! Herhangi bir ses dosyasını metne dönüştürmek için:
- Windows Dosya Gezgini'ni kullanarak dosyayı bulun.
- Boş bir alana sağ tıklayın ve Terminalde Aç'ı seçin.
- Küçük harf veya orta dil formlarını kullanmak için "wht" yerine "whs" veya "whm" koyarak bu komutu yazın:
YOUR_AUDIO_FILE.mp3
Whisper ile ses içeriğini hızlı bir şekilde yazın
En hızlı klavye daktiloları bile konuştuğumuz hıza yetişemez. Ancak yakın zamana kadar belge oluşturmak için yazmak yerine konuşmak ideal değildi.
Çoğu sesten metne çözüm vasat sonuçlar üretti. Denemeye değer bazı çözümler bulabilirsiniz, ancak bunların kullanımı karmaşık veya pahalıydı. Neyse ki Whisper tüm bunları değiştirdi.
Yukarıdaki adımlardan sonra, tek bir komut kullanarak sesinizi yüksek doğrulukla yazıya dökmeye veya tercüme etmeye hazır olmalısınız. Artık görüntüleyebilirsiniz Not alma, toplantılar ve dersler için en iyi sesten metne uygulamalar.
