OpenAI Whisper处理印地语音频返回英文，如何设置输出印地语？

核心修复步骤 #

• 确认使用多语言模型：必须加载Whisper的多语言版本模型（如base、small、medium、large），不能用英文单语言模型（如base.en）。英文单语言模型仅支持英文处理，会强制输出英文结果。
  正确加载示例：

  model = whisper.load_model("base")  # 多语言模型，原生支持印地语
  

• 优化解码选项配置：除指定language='hi'外，需明确设置task="transcribe"，避免模型默认执行翻译任务；若在CPU上运行，添加fp16=False避免精度兼容问题。
  修改后的解码代码：

  options = whisper.DecodingOptions(
      language='hi',
      task='transcribe',
      fp16=False  # CPU运行必填，GPU环境可省略
  )
  result = whisper.decode(model, mel, options)
  

• 验证音频语言：确保输入音频为纯印地语内容，若音频混合大量英文，模型可能优先识别输出英文。

完整可运行代码示例 #

import whisper

# 加载多语言模型
model = whisper.load_model("base")
# 加载并预处理音频
audio = whisper.load_audio("your_hindi_audio.wav")  # 替换为你的印地语音频路径
audio = whisper.pad_or_trim(audio)

# 生成梅尔频谱
mel = whisper.log_mel_spectrogram(audio).to(model.device)

# 配置印地语转录参数
options = whisper.DecodingOptions(
    language='hi',
    task='transcribe',
    fp16=False
)

# 执行转录并输出结果
result = whisper.decode(model, mel, options)
print(result.text)

内容的提问来源于stack exchange，提问作者Sarath Haridas