Whisper 语音识别模型

Whisper 模型简介

Whisper 是 OpenAI 开源的通用语音识别模型，可以把语音转换成文字。MaixCAM2 目前支持 base 版本，可识别中文和英文。

下载模型

按照大模型使用说明下载并解压模型。

MaixPy 运行模型

先准备一个单声道、16 kHz 采样率的 WAV 文件。单声道表示只有一个音频通道；16 kHz 表示每秒采样 16000 次。

确认模型和音频路径与设备上的实际位置一致，然后运行：

from maix import nn

whisper = nn.Whisper(
    model="/root/models/whisper-base/whisper-base.mud",
    language="zh",
)

wav_path = "/maixapp/share/audio/demo.wav"
text = whisper.transcribe(wav_path)
print("result:", text)

language="zh" 表示识别中文。识别英文时改成 language="en"。如果提示找不到文件，请检查 .mud 模型路径和 WAV 音频路径。