一、备注：这里是电脑pytorch环境安装(D:\yingyong\PyTorch)

torch下载地址：https://download.pytorch.org/whl/cu113/torch-1.10.2%2Bcu113-cp38-cp38-win_amd64.whl

torchaudio下载地址：

https://download.pytorch.org/whl/cu113/torchaudio-0.10.2%2Bcu113-cp38-cp38-win_amd64.whl

torchvision下载地址：

https://download.pytorch.org/whl/cu113/torchvision-0.11.3%2Bcu113-cp38-cp38-win_amd64.whl

二、Pycharm配置pytorch项目

Pycharm版本：Pycharm Community Edition 2024.1.1

pytorch：Gpu版本

1、新建项目

选择anaconda下载地址中pytorch.exe文件，如图路径

打开设置，添加本地编译器

选择系统编译器，选择路径，和上面一样，之后全部点OK

打开Pycharm控制台，先输入import torch，在输入print(torch.cuda.is_available())，如图返回True说明配置成功

2、Jupyter配置Pytorch

打开Anaconda控制台

输入conda activate pytorch进入pytorch虚拟环境

输入conda install nb_conda开始安装，等待一会

输入y继续安装

安装完成

输入conda list查看已有的包可以看到ipython这个包

输入jupyter notebook打开网页

三、入门

1、写代码工具

Pycharm：代码以代码块为单位运行，每次从头开始运行，适合大项目

Pycharm控制台：以任意行为块，但是阅读性较差，可以看到变量属性

Jupyter：以任意行为块来运行，方便代码阅读和修改

2、加载数据

1）Dataset

四、部署Whisper到windows本地

1、安装FFmpeg

官网：FFmpeg

下载windows版本

下载后解压缩

添加bin目录地址至：环境变量—系统变量—Path

打开cmd输入ffmpeg -version验证安装成功

2、安装Whisper

打开Anaconda Prompt

输入conda activate pytorch进入创建好的虚拟环境“pytorch”

输入pip install -U openai-whisper -i https://pypi.tuna.tsinghua.edu.cn/simple从清华镜像下载whisper

输入whisper -h检验安装是否成功

输入 ：whisper 地址 --model samll --output_format txt --language Chinese进行识别

参数说明：--model表示选择什么模型进行识别，small表示选择small模型

                  --output_format表示选择什么输出格式

                  --language表示识别语言

第一次进行识别会从外网下载，small模型大小大概40MB，需要等待几分钟，之后再识别就可以离线识别

【报错】这个错误表明 Whisper 在尝试转录音频时遇到了数值计算问题（NaN 值），导致解码失败。

尝试以下步骤解决：

1）检查CUDA版本与Pytorch是否兼容：torch.cuda.is_available()返回True说明兼容

2）查看GPU显存是否不足：5MB/4096MB，显存足够

3）使用CPU环境尝试转录，转录成功

4）强制使用FP32模式转录，禁用fp16半精度计算  whisper test1.mp3 --model small --language Chinese --fp16 False

【下载medium模型下载太慢】复制下载链接，在迅雷快速下载到本地，使用本地模型识别

https://openaipublic.azureedge.net/main/whisper/models/345ae4da62f9b3d59415adc60127b97c714f32e89e936602e85993674d08dcb1/medium.pt

3、在项目中使用whisper模型

使用如下代码测试

import os
import whisper
#加载模型
model = whisper.load_model("small")
#转录音频
file_path = r"D:\Work\GraduateDesign\test.mp3"
if not os.path.exists(file_path):
    raise FileNotFoundError(f"文件不存在！请检查路径：{file_path}")
result = model.transcribe(file_path)
print(result["text"])

【报错】FileNotFoundError: [WinError 2] 系统找不到指定的文件。

首先检查确认路径无误，根据报错提示最下面一行的地址定位到文件（上图紫色地址），将shell值从False修改为True即可

随后又出现了NaN报错，于是将测试代码修改如下：

import whisper
# 加载模型（自动下载）
model = whisper.load_model("small")  # 首次运行会自动下载模型
# 转录音频
result = model.transcribe(
    audio="课文1吃水不忘挖井.mp3",
    language="zh",  # 中文
    fp16=False,  # 一定记得设置这个参数，避免Nan问题
)
print(result["text"])