1 简介

Whisper 是 OpenAI 的语音识别系统（几乎是最先进），它是免费的开源模型，可供本地部署。

2 docker

https://hub.docker.com/r/onerahmet/openai-whisper-asr-webservice

3 github

https://github.com/ahmetoner/whisper-asr-webservice

4 运行

1
nvidia-docker run -d --gpus all -p 9000:9000 -e ASR_MODEL=base -e ASR_ENGINE=openai_whisper onerahmet/openai-whisper-asr-webservice:latest-gpu

image 大小：11.5G

运行后，即可在 9000 端口通过 swagger 调用，我先用手机录了一些简单的中文，识别效果还不错，除了第一次调用时可能是下载和加载模型时间比较长，后面再调用速度就很快。

又用它识别了一个 25 分钟的 mp3（约 27M），是一位小哥哥 B 站视频对应的音频文件，识别时间约为不到 1 分钟，使用 GPU 内存占用在 1G 之内，尽管有一小部分乱码和一些重复，但整体效果不错。

我觉得速度和效果都相当美丽，绝对可以作为一些收费产品的平替了～～

5 注意事项

  • 上传的音频文件使用时尽量不要用中文文件名

6 参考

OpenAI 开源语音识别 Whisper 的使用体验怎么样？