Whisper のインストール，Whisper を使う Python プログラム（音声からの文字起こし，翻訳）（Python，PyTorch を使用）（Windows 上）

前準備

Git のインストール（Windows 上）

Gitは，バージョン管理システム．ソースコードの管理や複数人での共同に役立つ．

【サイト内の関連ページ】

Windows での Git のインストール: 別ページ »で説明している．

【関連する外部ページ】

Git の公式ページ: https://git-scm.com/

Python のインストール（Windows 上）

【サイト内の関連ページ】

• Windows での Python 3.10，関連パッケージ，Python 開発環境のインストール: 別ページ »で説明している．
• Windows での Anaconda3 のインストール: 別ページ »で説明している．
• Python のまとめ: 別ページ »にまとめている．

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN 8.6 のインストール（Windows 上）

【サイト内の関連ページ】

NVIDIA グラフィックスボードを搭載しているパソコンの場合には， NVIDIA ドライバ， NVIDIA CUDA ツールキット， NVIDIA cuDNN のインストールを行う．

• Windows での Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.6 のインストールと動作確認: 別ページ »で説明している．

【関連する外部ページ】

• Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）の公式ダウンロードページ: https://visualstudio.microsoft.com/ja/visual-cpp-build-tools/
• NVIDIA ドライバのダウンロードの公式ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp
• NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive
• NVIDIA cuDNN のダウンロードの公式ページ: https://developer.nvidia.com/cudnn
• winimage の ZLIB DLL の公開ページ: http://www.winimage.com/zLibDll/

PyTorch のインストール（Windows 上）

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. PyTorch のページを確認

   PyTorch のページ: https://pytorch.org/index.html

3. 次のようなコマンドを実行（実行するコマンドは，PyTorch のページの表示されるコマンドを使う）．

   次のコマンドは， PyTorch 2.0 （NVIDIA CUDA 11.8 用） をインストールする． 但し，Anaconda3を使いたい場合には別手順になる．

   事前に NVIDIA CUDA のバージョンを確認しておくこと（ここでは，NVIDIA CUDA ツールキット 11.8 が前もってインストール済みであるとする）．

   PyTorch で，GPU が動作している場合には，「torch.cuda.is_available()」により，True が表示される．

   python -m pip install -U --ignore-installed pip
   python -m pip install -U torch torchvision torchaudio numpy --index-url https://download.pytorch.org/whl/cu118
   python -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
   

   

   Anaconda3を使いたい場合には， Anaconda プロンプト (Anaconda Prompt) を管理者として実行し， 次のコマンドを実行する． （PyTorch と NVIDIA CUDA との連携がうまくいかない可能性があるため，Anaconda3を使わないことも検討して欲しい）．

   conda install -y pytorch torchvision torchaudio pytorch-cuda=11.8 cudnn -c pytorch -c nvidia
   py -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
   

   【サイト内の関連ページ】

   • Windows での PyTorch のインストール: 別ページ »で説明している．

   【関連する外部ページ】

   • PyTorch のページ: https://pytorch.org/index.html

Whisper のインストール（Windows 上）

FFmpeg のインストール（Windows 上）

Windows での FFmpeg のインストール（Windows 上）: 別ページ »で説明している．

Whisper のインストール（Windows 上）

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. ダウンロードとインストール

   python -m pip install -U git+https://github.com/openai/whisper.git
   

   
3. 関連ファイルをダウンロード

   cd %HOMEPATH%
   rmdir /s /q whisper
   git clone --recursive https://github.com/openai/whisper.git
   

   

Whisper の動作確認（Windows 上）

音声ファイルからの文字起こしを実行してみる．

1. 次のコマンドを実行

   結果が表示され，テキストファイルにも保存される．

   • %HOMEPATH%/whisper/tests/jfk.flac：音声ファイル名. mp4 ファイルも指定できるようです．
   • tiny: tiny，small，medium，largeなどを指定できる
   • English: English，Japaneseなど，さまざま指定できる．

   small, English で実行する場合

   whisper %HOMEPATH%/whisper/tests/jfk.flac --model small --language English
   

   

   large, Japanese で実行する場合

   whisper %HOMEPATH%/whisper/tests/jfk.flac --model large --language Japanese
   

2. Windows では，次のようなコマンドの実行により，音声ファイルの再生が行われる．

   %HOMEPATH%\whisper\tests\jfk.flac
   

   

coqui-ai TTS を使う Python プログラムの実行（Windows 上）

実行時にファイルを選択する．ファイルは複数選択可能である．

1. Windows で，コマンドプロンプトを実行
2. エディタを起動

   cd %HOMEPATH%\whisper
   notepad small.py
   

3. エディタで，次のプログラムを保存

   このプログラムは， 公式の GitHub のページ: https://github.com/openai/whisperで公開されていたものを変更して使用している．

   import whisper
   
   model = whisper.load_model("small")
   
   import tkinter as tk
   from tkinter import filedialog
   
   root = tk.Tk()
   root.withdraw()
   fpaths = filedialog.askopenfilenames()
   
   for fpath in root.tk.splitlist(fpaths):
       print("file name: ", fpath)
       result = model.transcribe(fpath, language="japanese")
       print(result["text"])
   

   
4. Python プログラムの実行

   Python プログラムの実行

   • Windows では python （Python ランチャーは py）
   • Ubuntu では python3

   Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．

   Python のまとめ: 別ページ »にまとめ

   プログラムを small.pyのようなファイル名で保存したので， 「python small.py」のようなコマンドで行う．

   python small.py
   

   ファイル選択画面が出るので，音声ファイルを選択する．ファイルは複数選択可能である．

   
5. 結果の確認