O que openai-whisper-local faz?
Habilidade de agente para transcrição e tradução de áudio local usando o modelo OpenAI Whisper. Disponível em skills.volces.com/openai-whisper-local.
Visão Geral
O OpenAI Whisper é um sistema de reconhecimento de fala de propósito geral. Ele é treinado em um grande conjunto de dados de áudio multilíngue e multitarefa e pode transcrever ou traduzir áudio para texto. Esta habilidade permite que agentes de IA executem o Whisper localmente, sem depender de serviços de nuvem.
Recursos
- Transcrição: Converte fala em texto no mesmo idioma.
- Tradução: Traduz fala de qualquer idioma para o inglês.
- Suporte multilíngue: Reconhece mais de 90 idiomas.
- Detecção de idioma: Detecta automaticamente o idioma falado.
- Formatos de saída: Suporta saída em texto simples, SRT, VTT, TSV e JSON.
- Execução local: Garante privacidade dos dados e funcionamento offline.
Pré-requisitos
- Python 3.8 ou superior
pippara instalar dependências- (Opcional) GPU NVIDIA com CUDA para aceleração
Instalação
Para usar esta habilidade, instale o pacote openai-whisper:
pip install openai-whisper
Além disso, instale o ffmpeg (necessário para processamento de áudio):
- macOS:
brew install ffmpeg - Ubuntu/Debian:
sudo apt update && sudo apt install ffmpeg - Windows: Baixe de ffmpeg.org e adicione ao PATH
Uso Básico
Transcrever um arquivo de áudio
whisper audio.mp3
Transcrever com seleção de modelo
whisper audio.mp3 --model medium
Traduzir áudio para inglês
whisper audio.mp3 --task translate
Especificar idioma de entrada
whisper audio.mp3 --language pt
Salvar saída em formato específico
whisper audio.mp3 --output_format srt
Parâmetros
| Parâmetro | Descrição | Padrão |
|---|---|---|
--model | Tamanho do modelo: tiny, base, small, medium, large | small |
--task | Tarefa: transcribe ou translate | transcribe |
--language | Código do idioma (ex.: en, pt, zh) | None (auto-detecção) |
--output_format | Formato de saída: txt, srt, vtt, tsv, json | all |
--temperature | Temperatura para amostragem | 0 |
--device | Dispositivo: cpu ou cuda | cpu |
Exemplos Avançados
Usar GPU com CUDA
whisper audio.wav --device cuda --model large
Processar múltiplos arquivos
whisper audio1.mp3 audio2.mp3 audio3.mp3
Salvar saída em diretório específico
whisper audio.mp3 --output_dir ./transcricoes
Pular detecção de idioma e forçar idioma
whisper audio.mp3 --language pt --task transcribe
Solução de Problemas
Erro: ffmpeg not found
Certifique-se de que o ffmpeg está instalado e acessível no PATH do sistema.
Erro: CUDA out of memory
Use um modelo menor (tiny, base) ou reduza o tamanho do áudio.
Modelo demorando muito
Considere usar um modelo menor ou ativar a aceleração por GPU.
Informações Adicionais
Para documentação completa, acesse: github.com/openai/whisper
Licença
Esta habilidade utiliza o modelo OpenAI Whisper, que é distribuído sob a licença MIT.