如何为OpenAI Whisper ASR语音识别工具提供提示短语？

核心问题解答 #

Whisper支持通过**初始提示（initial prompt）**引导模型识别特定内容，用法分为命令行和Python代码两种方式：

• 命令行方式：使用--initial_prompt参数传入提示文本

  whisper 你的音频文件.wav --initial_prompt "这里填写你需要的提示短语，比如特定术语、语境描述等"
  

  示例：如果音频涉及医疗术语，可设置提示：

  whisper medical_recording.wav --initial_prompt "这段音频包含冠心病、血常规等医疗专业术语"
  

• Python代码方式：在transcribe方法中传入initial_prompt参数

  import whisper
  
  # 加载模型（可替换为base/small/large等）
  model = whisper.load_model("base")
  # 传入提示短语进行转录
  result = model.transcribe("你的音频文件.wav", initial_prompt="提示内容")
  # 输出识别结果
  print(result["text"])
  

Ubuntu 20.04 x64 LTS下的Whisper安装与基础转录步骤（基于Nvidia GeForce RTX 3090测试） #

1. 创建并激活conda环境：

   conda create -y --name whisperpy39 python==3.9
   conda activate whisperpy39
   

2. 安装Whisper及依赖工具：

   pip install git+https://github.com/openai/whisper.git 
   sudo apt update && sudo apt install ffmpeg
   

3. 执行转录：

   # 使用默认模型转录
   whisper recording.wav
   # 使用大模型提升识别精度
   whisper recording.wav --model large
   

Nvidia GeForce RTX 3090显卡适配补充步骤 #

激活conda环境后，需安装适配CUDA的PyTorch版本以利用显卡加速：

pip install -f https://download.pytorch.org/whl/torch_stable.html
conda install pytorch==1.10.1 torchvision torchaudio cudatoolkit=11.0 -c pytorch

内容的提问来源于stack exchange，提问作者Franck Dernoncourt