faster-whisper

Ne işe yarar?

faster-whisper, OpenAI'ın Whisper ses tanıma modelini CTranslate2 çıkarım motoru üzerinde yeniden uygulayan bir Python kütüphanesidir. Standart Whisper uygulamasına kıyasla aynı doğruluk oranını korurken 4 kata kadar daha hızlı çalışır ve daha az bellek harcar. 8-bit nicemleme (quantization) desteği sayesinde hem işlemcide (CPU) hem de grafik kartında (GPU) yüksek verim sunar. Sistemde harici FFmpeg kurulumuna ihtiyaç duymadan ses dosyalarını doğrudan çözebilir.

Neler için kullanılabilir?

• Uzun ses ve video kayıtlarını sunucularda hızla metne dökmek
• Canlı yayın ve podcast kayıtları için hızlı alt yazı üretmek
• Düşük bellekli sistemlerde yüksek doğrulukla konuşma tanıma gerçekleştirmek

Nasıl kullanılır?

1. Python 3.9 veya daha yeni bir sürüm kurun.
2. GPU üzerinde çalıştırmak için CUDA 12, cuBLAS ve cuDNN 9 kütüphanelerini kurun.
3. Harici FFmpeg kurmadan ses dosyalarını PyAV desteğiyle doğrudan işleyin.

Adımlar deponun README'sinden özetlendi; güncel kurulum için deponun kendi sayfasına bakın.

Kimler için?

Whisper modelini Python projelerinde çok daha hızlı ve düşük kaynakla çalıştırmak isteyenler.

Aynı kategoriden

• Whisper Konuşmaları metne dönüştüren ve çeviri yapabilen genel amaçlı yapay zekâ modeli.
• VoiceStudio Kendi bilgisayarınızda çalışan ses klonlama, dublaj ve konuşma tanıma aracı.
• GPT-SoVITS (63K) Kısa bir ses kaydıyla ses klonlama ve metinden konuşma üretimi sağlayan web arayüzü.
• voicebox (57,7K) Yerel olarak çalışan açık kaynaklı yapay zekâ ses stüdyosu ve dikte aracı.
• whisper.cpp OpenAI Whisper modelinin C ve C++ ile yazılmış yüksek performanslı yerel sürümüdür.
• VoxCPM (39K) 30 dilde doğal seslendirme, ses tasarımı ve klonlama sunan açık kaynaklı TTS modeli.