- A+
所属分类：.NET技术
C#使用WhisperNet实现语音识别功能
1.写在前面
最近想做一下本地音频语音识别工具，在网上找了一些本地音频语音识别方面的资料。
Whisper 是 OpenAI 的一种自动最先进的语音识别系统，它已经接受了 680000 小时从网络收集的多语言和多任务监督数据的训练。这个庞大而多样化的数据集提高了对口音、背景噪音和技术语言的鲁棒性。此外，它还支持多种语言的转录，以及将这些语言翻译成英语。与 DALLE-2 和 GPT-3 不同，Whisper 是一种免费的开源模型。
Whisper的优势是开源免费、支持多语种（包括中文），根据不同的场景需求有不同模型可供选择，最终的效果比市面上很多音频转文字的效果都要好。
Whisper提供了五种型号尺寸，其中四种为纯英文版本，提供速度和准确性的权衡。以下是可用型号的名称及其大致的内存要求和相对速度。
Whisper 的性能因语言而异。下图显示了使用该模型的 Fleurs 数据集按语言的 WER（单词错误率）细分large-v2（数字越小，性能越好）。中文为14.7%
2.下载地址
源码下载地址：https://github.com/Const-me/Whisper
模型下载地址：https://huggingface.co/sandrohanea/whisper.net/tree/main/classic
3.程序实现
下面将贴出实现该程序的关键代码。
private async void buttonAsr_Click(object sender, EventArgs e) { string[] list = Library.listGraphicAdapters(); CommandLineArgs cla = new CommandLineArgs(); cla.language = eLanguage.Chinese; cla.gpu = textGpu.Text; cla.model = textModel.Text; cla.fileName = textFile.Text; cla.prompt = "这是一段播客的内容。"; cla.output_srt = true; using iModel model = await Library.loadModelAsync(cla.model, new CancellationToken(), eGpuModelFlags.Cloneable, cla.gpu); int[]? prompt = null; if (!string.IsNullOrEmpty(cla.prompt)) prompt = model.tokenize(cla.prompt); //using Context context = model.createContext(); context = model.createContext(); cla.apply(ref context.parameters); context.parameters.setFlag(eFullParamsFlags.NoContext, true); using iMediaFoundation mf = Library.initMediaFoundation(); Transcribe transcribe = new Transcribe(cla); using iAudioReader reader = mf.openAudioFile(cla.fileName, cla.diarize); await context.runFullAsync(reader, transcribe, UpdateProgress, prompt); }
4.程序界面
5.功能
本地音频语音识别。
程序中包含WhisperDesktop.exe
下载地址：https://pan.baidu.com/s/1c8r7HO2XvGocEuVIwdddpQ?pwd=6666 提取码：6666
