ai好好玩-2 在自己電腦上就能把各種語音轉文字的工具whisper

這次要介紹的是一款名為whisper的ai工具，這個工具一樣是基於神經網路架構所開發，
如題，它能將任何有人說話的語音檔案轉文字，而且支援多種語言，並且可自動偵測說話的語言，
你可以輕鬆的用這個工具，將手上的講座、錄音、甚至是youtube上下載回來的影片轉成純文字，
轉換出的文字還有翻譯成英文的功能，並且可以輸出多種格式的檔案，像是純文字檔、字幕檔等等，
whisper也有多種識別模型可選擇，占用電腦資源越少的速度越快，但識別出的文字錯誤率會越高。
另外，whisper跟之前介紹過的所有ai工具一樣，如果你有一張好的獨立顯卡，將能有翻倍的處理速度，
要特別注意的是，目前許多ai相關的工具，只能用NVIDIA的顯卡來加速，amd的顯卡不行，所以要買顯卡加速的話要特別注意，
另外也要為顯卡特別安裝cuda組件，安裝cuda的方法可以自己上網查查，
如果你沒有獨顯，跟我一樣用的都是cpu的內顯的話，那就只能靠cpu慢慢的運算了，
接下來的文章，也是為那些跟我一樣沒獨顯的人所撰寫，
當然，我也會附上獨顯的安裝方法，但成功與否就只能看造化啦!

下載

稍後我們要安裝的whisper以及相關的組件，都要透過Anaconda這個包管理器來下載和安裝，
它就像你手機上的app store或google play，透過Anaconda，我們可以很輕鬆的下載並安裝自己要的組件，
比較不同的是，要用它來做任何事，都要以輸入指令的方式來完成，
不過你也不用害怕，接下來只要按照我的步驟，相信你也能輕鬆地完成安裝。

Anaconda包管理器
點我從官方頁面下載Anaconda包管理器
 點我下載Anaconda3-2022.10-Windows-x86_64.exe 小羔羊下載站
NVDA上的命令行輔助插件 Console Toolkit(可選，推薦安裝)
這個NVDA插件可以幫助我們更好的使用命令行，尤其是當有刷新內容時會發出音效提示，這個對我們來說很有用
點我下載Console Toolkit NVDA插件
 點我前往Console Toolkit插件頁面
NVDA上的翻譯插件谷哥翻翻看(可選，推薦安裝)
英文不好嗎? 如果看到報錯的提示都是英文看不懂怎麼辦? 那就來裝這個NVDA插件吧!
點我下載谷哥翻翻看NVDA插件
適合大陸用戶的NVDA翻譯插件及时翻译-instantTranslate-4.4.3.1
連不到google嗎? 那你可以試試這個插件
點我前往及时翻译-instantTranslate-4.4.3.1

命令列的基本操作

想順暢的使用Anaconda，你需要了解一些使用技巧，
下面的操作技巧是用於大部分命令列的視窗，包括windows中的cmd和power shell，以及等等我們會用到的Anaconda，
事實上Anaconda的命令列視窗，就是基於power shell的視窗來控制的→

命令列的視窗其實就跟記事本的樣子很像，從上到下，從左到右，
最新的內容會在視窗的最底部，
當有新的內容刷新時，之前的內容會被往上捲動，
在視窗的最下方還有一行輸入框，讓我們可以輸入指令來做任何想做的事
瀏覽視窗內印出的內容
- nvda用戶
  可以將小鍵盤切換成熱鍵模式，再按nvda+小鍵盤1切到物件瀏覽，之後按
  7或9 7為上一行，9為下一行
  shift+7或9 可以跳到最上面或最下面
  1或3 1為前一個字，3為後一個字
- 爭渡讀屏
  同樣將小鍵盤切換成熱鍵模式，按
  2或8 2為下一行，8為上一行
  1或7 1跳到最底部，7跳到最上面
貼上
這個就不用多說了，能看到這篇文章的你應該都知道能按ctrl+v來貼上
輸入指令
打開命令列視窗後，我們焦點能停留的也只有輸入框，
輸入框只能容納一行，並不像記事本那般可以換行，
當你按enter的時候就會送出你所輸入的指令
去到想去的目錄
在命令列輸入
cd 路徑
例如
cd c:\123
之後按enter，就會定位到c槽的123資料夾了
看看現在在哪個資料夾
在命令列輸入
pwd
會列出一行訊息，顯示當前的路徑，你可以用上面看訊息的快速鍵來查看
找檔案
如果當前定位到的資料夾有一個名為123.mp3的檔案，除了手打完整的名稱，你還可以按tab鍵來讓命令列自動補齊完整的檔案名稱，
例如我在命令列打一個
1
然後按tab，會聽到
123.mp3
此時你可以左、右動一動，你會發現檔案名稱已經自動幫我們打好在輸入框了

安裝步驟

如果你是大陸用戶，可能還需要一些額外的工具才能成功安裝，
詳細補充可先跳到後續的幾個標題查看。

首先下載上面提供的Anaconda，打開它按照步驟一路按next，直到安裝完成並關閉視窗
安裝完成後可能會打開Anaconda的網頁，不用理它，直接關閉即可
按win打開開始功能表，按tab找到
所有應用程式(簡體系統叫做所有應用列表)
之後打一個
a
然後往下找
Anaconda3 (64-bit) 文件夹，已折叠
enter展開，往下找
Anaconda Powershell Prompt (Anaconda3)
按enter，這樣就會打開Anaconda專用的power shell視窗了，
注意看看Anaconda的這個視窗標題，例如我的是

系統管理員: Anaconda Powershell Prompt (Anaconda3) 終端機 (base) PS C:\Users\Administrator>                                                                                       
如果是簡體系統，長的會是
管理员: Anaconda Powershell Prompt (Anaconda3)

等一下我們就要把指令貼到這裡喔

依照下面的順序，每次只複製一行，貼到Anaconda的視窗裡按enter，
開頭有#的行只用來說明，不需要複製，
如果你不懂該如何做，先看下一個步驟的說明再回來操作，指令如下→

# 安裝神經網路組鍵(這條指令僅適用於使用NVIDIA獨顯，且已經安裝好cuda組件的用戶，沒有獨顯的用戶不必執行)
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia
# 安裝神經網路組件(這條指令只會讓組件已cpu來運算)
conda install pytorch torchvision torchaudio cpuonly -c pytorch -y
# 安裝git
conda install git -y
# 安裝FFMPEG邊解碼器
conda install ffmpeg -y
# 安裝whisper
pip install git+https://github.com/openai/whisper.git
# 更新whisper(之後要更新可以直接用這一條指令)
pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git

例如我先複製這行→
conda install pytorch torchvision torchaudio cpuonly -c pytorch -y
切換到Anaconda的視窗，直接按ctrl+v貼上，然後按enter，
此時Anaconda會開始下載並安裝指令中要求的組件，
直到你看到類似這一行的時候，才代表剛剛的指令跑玩了，接下來才能繼續貼後續的指令
(base) PS C:\Users\Administrator>
p.s 如果看到報錯內容，可以用那一行報錯的內容上網查，或看看本文後續提供給大陸用戶的補充
當所有指令都跑完且沒有報錯內容，那你可以嘗試使用下面的指令執行whisper看看
whisper --help
如果你看到的內容最後幾行長這樣，那代表已經安裝成功了

  --threads THREADS     number of threads used by torch for CPU inference; supercedes MKL_NUM_THREADS/OMP_NUM_THREADS   
default: 0) 
(base) PS C:\Users\Administrator>

遇到報錯了嗎?

大陸用戶的補充事項

根據測試，沒有使用vpn的大陸用戶在下載組件時可能會出現連線不到下載網站的狀況，下面是提供給你參考的注意事項→

如果你還沒有趁手的vpn，你可以試試teacat這間公司提供的服務，
在這篇文章，我曾經做過一些簡單的介紹和使用說明→
好軟體推薦-6 大陸福音，用foobar也可以爬牆看youtube
這裡是teacat的首頁→
點我前往teacat官網
 點我前往teacat備用官網
如果你是使用teacat，可以在Anaconda的視窗中貼上下面這條指令後按enter
$Env:http_proxy="http://127.0.0.1:7890";$Env:https_proxy="http://127.0.0.1:7890"
接著按照上文的指令依序安裝，
不用擔心重複安裝，安裝時Anaconda會自動檢查組件有沒有安裝，已經安裝過的會直接略過安裝步驟直接顯示完成的訊息
如果你已經有了teacat或其他vpn工具，首先打開系統全局代理，在嘗試按照上文的指令安裝看看

使用

迫不及待想來嘗試了嗎? 讓我們馬上開始試用一下! 記得每次輸入指令完都要按enter

在最開始對命令列不熟悉的時候，建議你可以先將要處理的檔案放到c槽的跟目錄下，方便我們找到檔案
在Anaconda的命令列視窗中，定位到硬碟c的根目錄，輸入以下指令:
cd c:\
用whisper將檔案轉文字，輸入指令
whisper 001.mp3 --model base
將上面指令中的001.mp3，改成你的檔案名稱，建議先將檔名改成英數字混合再使用此指令會比較方便，不易出錯
當你看到命令列視窗內的訊息跑個不停，或是可以看到類似下面這樣的內容時，代表已經開始跑了
Detecting language using up to the first 30 seconds. Use --languageto specify the language
或是
Detected language: Chinese
又或是
[00:23.680 --> 00:28.560] 小羔羊不醜，但也很溫柔
同時，你也可以查看目前的cpu使用率，
當任務正在進行中的時候，cpu使用率會比平時明顯提升，
在上篇文章，我有介紹一個可以查看資源占用率的NVDA插件，還沒有的話你可以去安裝。
當處理完成後，你會看到最後一行大概會長這樣
(base) PS C:\>
現在你就可以去c槽的根目錄下，看看轉換出的成果了，
預設情況下，轉換好的檔案會放在跟原始檔案一樣的目錄下

ai好好玩-2 在自己電腦上就能把各種語音轉文字的工具whisper