最近学习了下如何使用 whisper, 这个玩意有点意思！能在本地电脑上就可以很好的对语音进行识别了，软件里的 large 模型需要10G左右的显存，可是我的显卡只有 8G，也就只能用用 medium 模型，但是我发现 Google 的 Colab 可以免费使用，而且带有 15G 显存的 NVIDIA T4 GPU，这还不白嫖一下啊！学着用了用 google Colab。
可以直接用我写好的 colab 文件。
我给使用过程分了几个部分。
1、🏗️安装 Whisper 及其依赖
colab 上很多依赖项已经安装好了，你只需要安装 whisper 就可以了，torch 也可以直接用。如果你想要安装最新的 whisper 你需要 pip install git+https://github.com/openai/whisper.git 。
2、🧠Whisper 模型载入
单独作为一个部分是，模型在载入过程中只能载入一次，否则会重复载入导致爆显存导致错误。我不知道该如何解决，这里有讨论https://github.com/openai/whisper/discussions/1306，但是我不知道如何解决？
3、🎶(可选)从网络上下载音频文件
你可以选择从网络上下载音频文件，有可以手动上传文件到机器上。
4、🎶上传音频文件及参数设置
手动上传文件到机器上，选择文件名、音译还是翻译、语言等参数，要想识别出来的是简体文字可以指定prompt，指定 Whisper 输出为简体中文。
5、🚀运行
just run it!
等待！
6、💾 写入文件
将结果写入到文件，可以是txt、json等文件，也可以是srt这种字幕格式文件。
最后
如果你觉得 openai-whisper 速度还是有点慢，你还可以看看下面的内容。
- Port of OpenAI’s Whisper model in C/C++
- Making OpenAI Whisper faster
- Faster Whisper transcription with CTranslate2
有人已经根据 faster-whisper 写好了脚本直接上 colab 上使用即可。