#!/usr/local/bin/python3 #-*- coding:utf-8 -*- import gradio as gr title = "OpenAI Whisper Large v2" description = """ 本例用于演示 openai/whisper-large-v2 模型的语音识别(ASR)能力。目前没有对模型做微调,基于原始模型开发。 Whisper原始模型主要支持英语语音的识别。英语的效果最好,中文语音识别后只会输出汉语拼音。 更多的信息请参考: openai/whisper-large-v2使用方法: 上传一个音频文件或直接在页面中录制音频。音频会在传递到模型之前转换为单声道并重新采样为16 kHz。 """ article = """

参考: OpenAI Whisper Large v2 | Innev GitHub

音频案例:

""" examples = [ ["examples/zhiqi.wav", None], ["examples/hmm_i_dont_know.wav", None], ["examples/henry5.mp3", None], ["examples/yearn_for_time.mp3", None], ["examples/see_in_eyes.wav", None], ] gr.load( "models/openai/whisper-large-v2", inputs=[ gr.Audio(label="上传语音", source="upload", type="numpy"), gr.Audio(label="录制语音", source="microphone", type="numpy"), ], outputs=gr.Text(label="识别出的文字"), title=title, description=description, article=article, examples=examples ).launch()