whisper实践--基于whisper+pyqt5开发的语音识别翻译生成字幕工具

大家新年快乐，事业生活蒸蒸日上，解封的第一个年，想必大家都回家过年，好好陪陪家人了吧，这篇文章也是我在老家码的，还记得上篇我带大家基本了解了whisper，相信大家对whisper是什么，怎么安装whisper，以及使用都有了一个认识，这次作为新年第一篇文章，我将介绍一下自己开发的基于whisper+pyqt5做的一个字幕生成工具，还挺有意思的，中间也遇到各种问题，然后解决。每次尝试做什么，最爽莫过于遇到问题，然后一一解决，最后成功的实现自己想要的，就算是一个再简单的项目，相信大家只要有成长就会很满足开心吧。话不多说，直接进入今天的主题，让我们来看看这个工具。

外观

首先让我们来看看工具样子如下图所示，自我吐槽一下，界面挺丑的，不得不感叹自己没有界面审美，不过我已经尽力了，哈哈，不过自我感觉看这个界面还是挺直观的就能知道这个工具的作用，以及使用也很直接方便。主要有两个模块，如图，1为选择模块，2为运行结果显示模块。

功能介绍

公共选择部分

如上图红色框所示，所有功能这几个选择框是公用的，文字应该写的也算清楚，简单介绍一下。

模型选择：必选项，选择一个whisper模型。

语言选择：必选项，选择一个要识别翻译成哪种语言。

计算引擎选择：非必选项，不选默认为cpu。

模型读取保存路径：非必选项，不选默认在应用目录下，如果事先下好模型，可以选择对应目录，避免应用第一次下载找不到模型从而下载模型。

输出文件保存路径：必选项，选择运行生成文件的保存路径。

结束按钮：需要停止正在执行的功能，可以点击此按钮。

功能部分

1.生成字幕文件：音频文件或者视频文件根据选择的语言生成一个对应语言的srt字幕文件，文件内容为音频文件或者视频文件说的内容，效果如图所示

2.视频添加字幕：视频文件根据选择的语言自动为视频添加srt字幕，效果如图所示

3.监听声音翻译：监听window的喇叭发出的声音并且识别生成srt字幕文件，不过这个功能因为没时间弄，暂时没弄，后面有时间会加上，界面暂时如下图所示

问题以及总结

软件已经介绍完了，在开发过程中其实遇到了很多坑，比如第一次使用pyqt5，跟主要功能模块的信息传递，以及使用pyinstaller打包成应用的时候会遇到很多坑，这里着重记录下。

使用pyinstaller -D 主程序文件打包的时候，运行会有一堆问题，然后仔细看打包过程会有很多警告，有些包没打进去，需要在打包的时候把这些包使用--copy-metadata添加指定包的元数据进来，最后打包成功后，发现python的whisper模块不在应用里，可以将python目录下的whisper复制到应用目录里，然后由于使用到了ffmpeg所以也需要把这个文件复制到应用目录中，才成功运行，本以为万事大吉，但是这个应用会自带cmd窗口，于是在打包命令中添加-w参数，但是又遇到到了挺多问题这里主要记录两个：

1.AttributeError: 'NoneType' object has no attribute 'flush'这个错误，根据提示找到对应python模块sitr-packages/transformers/utils/logging.py的如下代码段，修改如下图所示

2.最后运行应用的时候下载模型会一直卡住，这是由于关闭了窗口，有些代码使用了需要从cmd中获取打印消息或者显示到cmd的功能，所以这里排查到应该是whisper下载模型的时候使用了tqdm来显示进度条导致的，所以到whisper的__init__.py文件中找到这段代码将如下图所示两行代码注释掉即可。

最后再附上打包命令：

pyinstaller --upx-dir=C:\Users\xxx\Desktop\upx\upx-4.0.1-win64 -D -w pythoner_league_translate.py --copy-metadata tqdm --copy-metadata regex --copy-metadata tokenizers --copy-metadata numpy --copy-metadata regex --copy-metadata packaging --copy-metadata filelock --copy-metadata requests --copy-metadata whisper

其中upx地址，可以自己下载一个upx然后替换成你自己电脑路径即可

忘记说了whisper默认的中文是繁体字，这里本人已经把它转换成简体了。

如果大家有兴趣想玩玩，应用我已经帮大家打包好了，可以直接使用，代码也有，下面是各个下载地址：

应用模型下载地址（现在只打包了exe应用，如后续有需要可以打包mac应用）：

链接：https://pan.baidu.com/s/1nj174s3tyHUAsazi4tHW0g

提取码：3ugi

代码gihub地址：https://github.com/PythonerLeague/PythonerLeague_translate

最后有问题可以留言或者关注PythonerLeague公众号进行沟通，这次分享就到这里了，最后再祝大家新年开开心心，有时间记得多陪陪家人。

whisper实践--基于whisper+pyqt5开发的语音识别翻译生成字幕工具相关推荐

【人工智能】基于YOLOv5+PyQt5开发的可视化人数检测系统【附项目报告+演示视频+完整代码】
文章目录一.环境介绍二.前言及效果演示三.前期准备与数据训练四.文档内容一览五.完整代码链接一.环境介绍系统:Windows 10 64位显卡:RTX3060 + cuda11.3 + ...
基于Python3+PyQt5开发的GUI精美框架界面：导航定位与测量综合系统-GNSSAMS Offcial 1.2.0
GanAHE&DGZC的小创元世纪 https://dgzc.ganahe.top 一·软件概要 1.1 开发背景 1.2 开发目标与应用场景 1.3 版本功能与特性新增了三维建模功能,由手 ...
手把手教你写一个基于python+pyqt5的股票盯盘软件
今天教大家基于Python+pyqt5开发一款股票盯盘小软件,里面含有微信推送.策略分析.回测.实时统计持仓盈亏等功能,其实我们也可以把它叫做股票量化小软件.开发这么一款小软件首先得具备Python的 ...
C#实战：基于ItextSharp技术标签生成小工具
目录 1.运行主界面 2.标签生成界面 3.需要引入的依赖包 4.解决方案目录 5.主要代码 1.新建PdfUtils工具类 2.Form1.cs 窗体主要代码 IT技术分享社区 / Itext Sh ...
英文视频添加中英双语字幕（基于Whisper语音识别和Google翻译）
第一步:安装配置环境,这一步重要介绍安装的环境依赖,可以看完第二章再来看一遍 (1)Whisper环境配置可以参考以下博客的内容讲显卡驱动,CUDA和cudnn的安装比较详细,我建议能用GPU加速就 ...
如何一键生成字幕，如何快速处理生肉资源？借助whisper语音识别系统生成.srt字幕文件手把手教学在Windows、CPU版本下whisper的安装与使用，快速上手！
目录一.前言二.本机环境三.安装步骤: 步骤1:下载Git并添加环境变量步骤2:下载ffmpeg并添加环境变量步骤3:安装pytorch 步骤4:安装whisper 四.whisper的应用 ...
为什么您应该使用基于标准的开发实践
为什么您应该使用基于标准的开发实践 Why you should use standards-based development practices (even if you don't have t ...
前端基于vue企业微信JS-SDK语音识别功能开发（同公众号）
前端基于vue企业微信JS-SDK语音识别功能开发(同公众号) 微信JS-SDK 1.前期准备前端代码撰写微信JS-SDK 前端需要实现一个功能,如录音,拍照,分享,地理位置等,前端想要实现这些功 ...
大数据早报：三星Kakao联手开发AI语音识别技术百度视频8月大数据报告出炉（9.19）
数据早知道,上36dsj看早报! 来源36大数据,作者:奥兰多『AI』三星和Kakao达成合作联手开发AI语音识别技术现如今,越来越多的科技公司选择进入人工智能领域,为了突破人工智能技术上的限制 ...

whisper实践--基于whisper+pyqt5开发的语音识别翻译生成字幕工具

whisper实践--基于whisper+pyqt5开发的语音识别翻译生成字幕工具相关推荐

最新文章

热门文章