1.2 Whisper的安装与配置 | 《Whisper语音识别实战专栏》

优质文章学习记录

— 7 min read

引言

在前一篇文章中，我们了解了Whisper的基本概念、发展背景和主要特点。现在，我们将介绍Whisper的安装与配置方法，帮助您快速上手使用Whisper。

Whisper的安装相对简单，主要包括Python环境配置、Whisper库安装和FFmpeg配置三个步骤。在本文章中，我们将详细介绍每个步骤的具体操作方法，并提供常见问题的解决方案。

系统要求

在安装Whisper之前，您需要确保您的系统满足以下要求：

  • 操作系统：Windows、macOS或Linux
  • Python版本：3.8-3.11
  • PyTorch版本：支持最新版本的PyTorch
  • 硬件要求：
    • CPU：支持x86_64架构的处理器
    • GPU（可选）：支持CUDA的NVIDIA GPU（用于加速模型推理）
    • 内存：至少4GB RAM，推荐8GB以上

安装步骤

1. 配置Python环境

首先，您需要安装Python环境。如果您已经安装了Python 3.8-3.11，可以跳过这一步。

1.1 下载Python

访问Python官方网站，下载适合您操作系统的Python安装包。推荐下载Python 3.10或3.11版本，因为它们与Whisper的兼容性较好。

1.2 安装Python
  • Windows：运行下载的安装程序，勾选"Add Python to PATH"选项，然后点击"Install Now"。
  • macOS：运行下载的.pkg安装包，按照提示完成安装。

Linux：使用系统包管理器安装Python，例如：

# Ubuntu/Debiansudoapt update &&sudoaptinstall python3 python3-pip # CentOS/RHELsudo yum install python3 python3-pip
1.3 验证Python安装

安装完成后，打开命令行工具，输入以下命令验证Python是否安装成功：

python --version pip --version

如果输出Python和pip的版本信息，则说明安装成功。

2. 安装PyTorch

Whisper依赖于PyTorch框架，因此您需要安装PyTorch。访问PyTorch官方网站，根据您的操作系统和硬件配置选择合适的安装命令。

2.1 安装CPU版本的PyTorch

如果您没有GPU，或者不想使用GPU加速，可以安装CPU版本的PyTorch：

pip3 install torch torchvision torchaudio
2.2 安装GPU版本的PyTorch

如果您有支持CUDA的NVIDIA GPU，可以安装GPU版本的PyTorch以获得更好的性能：

# CUDA 12.1 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 # CUDA 11.8 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
2.3 验证PyTorch安装

安装完成后，打开Python交互式环境，输入以下命令验证PyTorch是否安装成功：

import torch print(torch.__version__)# 检查是否支持CUDAprint(torch.cuda.is_available())

如果输出PyTorch的版本信息，并且torch.cuda.is_available()返回True（如果使用GPU版本），则说明安装成功。

3. 安装Whisper

现在，您可以安装Whisper库了。Whisper提供了多种安装方式，您可以选择其中一种适合您的方式。

3.1 使用pip安装（推荐）

最简单的安装方式是使用pip安装Whisper的最新稳定版本：

pip install -U openai-whisper
3.2 从GitHub仓库安装

如果您想安装最新的开发版本，可以从GitHub仓库直接安装：

pip install git+https://github.com/openai/whisper.git
3.3 更新Whisper

如果您已经安装了Whisper，想要更新到最新版本，可以使用以下命令：

pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git

4. 配置FFmpeg

Whisper需要使用FFmpeg来处理音频文件，因此您需要安装FFmpeg并将其添加到系统PATH中。

4.1 下载FFmpeg

访问FFmpeg官方网站，下载适合您操作系统的FFmpeg安装包。

4.2 安装FFmpeg
  • Windows：
    1. 下载FFmpeg的Windows构建版本（推荐从gyan.dev下载）
    2. 解压下载的zip文件到一个目录，例如C:\ffmpeg
    3. 将FFmpeg的bin目录（例如C:\ffmpeg\bin）添加到系统PATH环境变量中

Linux：
使用系统包管理器安装FFmpeg：

# Ubuntu/Debiansudoapt update &&sudoaptinstall ffmpeg # CentOS/RHELsudo yum install ffmpeg # Arch Linuxsudo pacman -S ffmpeg

macOS：
使用Homebrew安装FFmpeg：

brew install ffmpeg
4.3 验证FFmpeg安装

安装完成后，打开命令行工具，输入以下命令验证FFmpeg是否安装成功：

ffmpeg -version

如果输出FFmpeg的版本信息，则说明安装成功。

5. 安装其他依赖（可选）

在某些情况下，您可能需要安装额外的依赖项：

5.1 Rust（可选）

如果您在安装Whisper时遇到关于tiktoken的错误，可能需要安装Rust开发环境：

  1. 访问Rust官方网站，按照提示安装Rust
  2. 重新安装Whisper

安装完成后，将Rust添加到系统PATH中：

# Linux/macOSexportPATH="$HOME/.cargo/bin:$PATH"
5.2 setuptools_rust（可选）

如果您遇到No module named 'setuptools_rust'错误，可以安装setuptools_rust：

pip install setuptools-rust

验证安装

安装完成后，您可以使用以下方法验证Whisper是否安装成功：

1. 使用命令行工具

打开命令行工具，输入以下命令：

whisper --help

如果输出Whisper的帮助信息，则说明命令行工具安装成功。

2. 使用Python API

创建一个Python脚本，例如test_whisper.py，内容如下：

import whisper # 加载tiny模型try: model = whisper.load_model("tiny")print("模型加载成功！")# 查看可用模型print("可用模型：", whisper.available_models())print("Whisper安装成功！")except Exception as e:print(f"安装失败：{e}")

运行脚本：

python test_whisper.py

如果输出"Whisper安装成功！"，则说明Python API安装成功。

常见问题解决方案

1. 安装Whisper时遇到权限问题

解决方案：使用管理员权限运行命令行工具，或者使用--user选项安装：

pip install -U openai-whisper --user

2. 模型下载失败

解决方案：

  • 检查网络连接是否正常
  • 使用代理服务器下载
  • 手动下载模型文件并放置到默认缓存目录（~/.cache/whisper）

3. FFmpeg未找到

解决方案：

  • 检查FFmpeg是否正确安装
  • 确保FFmpeg的bin目录已添加到系统PATH中
  • 重新启动命令行工具或计算机

4. CUDA相关错误

解决方案：

  • 确保安装了与PyTorch版本匹配的CUDA驱动
  • 检查GPU是否支持CUDA
  • 尝试使用CPU版本的PyTorch

5. Python版本不兼容

解决方案：

  • 安装Python 3.8-3.11版本
  • 使用虚拟环境隔离不同版本的Python

最佳实践

1. 使用虚拟环境

为了避免依赖冲突，推荐使用虚拟环境安装Whisper：

# 创建虚拟环境 python -m venv whisper-env # 激活虚拟环境# Windows whisper-env\Scripts\activate # Linux/macOSsource whisper-env/bin/activate # 在虚拟环境中安装Whisper pip install -U openai-whisper

2. 选择合适的模型

根据您的硬件配置和需求选择合适的模型：

  • 如果您的设备内存较小（<4GB），推荐使用tiny或base模型
  • 如果您需要更好的识别准确率，推荐使用medium或large模型
  • 如果您需要更快的转录速度，推荐使用turbo模型

3. 定期更新Whisper

Whisper的开发者会定期更新模型和代码，修复bug并添加新功能。建议您定期更新Whisper：

pip install -U openai-whisper

总结

在本文章中，我们详细介绍了Whisper的安装与配置方法，包括：

  1. 配置Python环境
  2. 安装PyTorch
  3. 安装Whisper库
  4. 配置FFmpeg
  5. 安装其他依赖（可选）
  6. 验证安装

我们还提供了常见问题的解决方案和最佳实践建议，帮助您顺利安装和使用Whisper。

在下一篇文章中，我们将介绍Whisper的基本使用方法，包括命令行工具和Python API的使用，帮助您快速上手Whisper语音识别。

思考问题：

  1. 为什么推荐使用虚拟环境安装Whisper？
  2. 如何根据自己的硬件配置选择合适的Whisper模型？
  3. 如果遇到模型下载失败，应该如何解决？

扩展阅读：

Read more

告别“只会聊天”的AI！OpenClaw小白入门：定位、部署、场景全攻略

告别“只会聊天”的AI！OpenClaw小白入门：定位、部署、场景全攻略

摘要 本文专为OpenClaw小白打造，全面拆解这款开源AI智能体框架的核心内容，帮你快速理清OpenClaw的定位、核心特点与使用价值——它并非传统聊天机器人，而是能直接操控电脑/服务器、自动完成办公自动化、文件处理、代码开发等真实任务的“数字员工”。文中涵盖小白必知的核心能力、适用场景、极简部署步骤、安全注意事项，以及与传统AI工具的关键区别，同时附上生态社区资源，搭配内容逻辑图，让零基础用户也能快速入门，轻松上手OpenClaw，解锁AI高效干活新方式。 OpenClaw（俗称 “小龙虾”）是本地优先、开源免费、能真正动手执行任务的 AI 智能体框架，核心是让 AI 从 “聊天” 变成 “干活”。作为小白，你需要先掌握它的定位、核心能力、部署与使用、安全与隐私、生态与扩展这 5 块关键内容。 一、OpenClaw 是什么（一句话看懂） OpenClaw 是开源、
多模态 AI 应用：图文音视频一体化开发实战教程

多模态 AI 应用：图文音视频一体化开发实战教程

什么是多模态AI 多模态AI是指能够同时处理文本、图像、音频、视频等多种不同类型数据的人工智能系统，它打破了单模态AI的信息壁垒，能更贴近人类理解世界的方式。比如我们日常使用的AI聊天机器人识图功能、视频自动字幕生成工具，都是多模态AI的典型应用。 开发前的核心准备 模型选型建议 模型类型推荐模型适用场景开源轻量模型Qwen-VL-Chat、MiniGPT-4本地部署、快速验证云端API模型GPT-4V、Gemini Pro生产级应用、复杂任务处理专业领域模型CLIP、Whisper图像检索、音频转写等细分场景 环境依赖安装 我们将基于Python生态实现实战项目，需要安装以下核心库： # 基础依赖 pip install torch torchvision transformers pillow # 音频处理依赖 pip install librosa soundfile # 视频处理依赖 pip install opencv-python moviepy # API调用依赖（可选，用于调用云端多模态模型） pip install openai anthropic
ToDesk 全新 ToClaw，正在把电脑交给AI去操作

ToDesk 全新 ToClaw，正在把电脑交给AI去操作

这两年，AI 工具层出不穷，但大多数产品还停留在“能回答、会生成”的阶段：帮你写一段话、搜一份资料、整理一个思路，真正到了执行层，还是得你自己坐回电脑前，一个软件一个软件地点、一项任务一项任务地做。 这也是很多人对 AI 的真实感受——它会说，但不一定真能干活。而 ToDesk 新上线的 ToClaw，想解决的正是这个问题。 一、ToClaw 是什么？ ToClaw 是一款基于 OpenClaw 深度定制、并与远程控制运行时深度结合的 AI 助手。它最大的不同，不只是“懂你说什么”，而是能直接在你的电脑上执行操作。 你只需要一句话，它就可以在电脑端完成对应动作：打开软件、点击按钮、填写表单、拖拽文件、整理资料、生成表格、汇总信息……很多原本需要人守在电脑前操作的工作，现在都可以交给 ToClaw