运行OpenAI Whisper模型时音频加载失败问题求助

问题场景 #

• 使用OpenAI Whisper处理音频时，micro-machines.wav可正常完成转录，但处理payload.wav时触发错误：payload.wav: Invalid data found when processing input
• 核心报错栈片段：

d:\...\venv\lib\site-packages\whisper\transcribe.py:79: UserWarning: FP16 is not supported on CPU; using FP32 instead
  warnings.warn("FP16 is not supported on CPU; using FP32 instead")
...
RuntimeError: Failed to load audio: ... payload.wav: Invalid data found when processing input

解决方法 #

1. 验证并修复音频文件 #

• 用Audacity等音频工具打开payload.wav，检查文件是否损坏、是否为标准PCM编码的WAV格式。若文件损坏，重新获取或修复；若为非标准编码，转换为PCM编码：

  ffmpeg -i payload.wav -acodec pcm_s16le -ar 16000 payload_fixed.wav
  

  使用转换后的payload_fixed.wav重新运行Whisper。

2. 修正错误信息编码解析 #

部分场景下错误提示异常，是因为底层工具输出包含非UTF-8字符导致解析混乱。可修改Whisper的音频加载逻辑：

• 定位到Whisper安装目录下的site-packages/whisper/audio.py文件
• 找到load_audio函数中的异常捕获代码，替换为以下内容，处理非UTF-8编码的错误输出：

  except subprocess.CalledProcessError as e:
      stderr_content = e.stderr.decode('utf-8', errors='replace') if e.stderr else ""
      raise RuntimeError(f"Failed to load audio: {stderr_content}") from e
  

  保存修改后重新运行，可获得更准确的错误原因。

3. 强制启用FP32模式 #

显式指定FP32模式运行，避免CPU环境下FP16兼容问题：

whisper payload.wav --fp16 False

内容的提问来源于stack exchange，提问作者John mick