PlusMagi's Blog By Pitt Phunsanit AI,Backend,computer science,engineering,Homebrew,Operating Systems,Programming,SecDevOps Whisper: เสียงกระซิบจาก video

Whisper: เสียงกระซิบจาก video

2003-08-052003-08-05| phunsanitphunsanit| 0 Comment | 07:00
Categories:

Whisper คือ Automatic Speech Recognition (ASR) หรือระบบแปลงเสียงเป็นข้อความ (Speech-to-Text) อัจฉริยะแบบ Step-by-Step สำหรับ 3 ระบบปฏิบัติการหลัก ทั้ง Mac, Windows และ Linux ครับ

📌 สิ่งที่ต้องเตรียมก่อนติดตั้ง (Prerequisites)

ก่อนจะไปเจาะลึกแต่ละ OS ทุกระบบจำเป็นต้องมี 2 สิ่งนี้เป็นพื้นฐานหลักครับ

  1. Python
    แนะนำเวอร์ชัน 3.9 - 3.11 (Whisper รองรับ Python เป็นหลัก)
  2. FFmpeg
    ตัวจัดการไฟล์มัลติมีเดีย (จำเป็นมาก เพราะ Whisper ใช้ย่อยไฟล์เสียง)

วิธีติดตั้งบน macOS 🍏

วิธีที่เร็วที่สุดในปัจจุบันคือการติดตั้งผ่าน Homebrew ซึ่งจะจัดการคอมไพล์ระบบให้เข้ากับชิปในเครื่องของคุณโดยอัตโนมัติครับ

  1. ติดตั้งตัวโปรแกรม
    เปิด Terminal แล้วรันคำสั่งเดียวจบ
    brew install whisper-cpp
  2. ไปที่สร้าง folder ขึ้นมา เช่น
    mkdir -p /Users/common/Models
    cd /Users/common/Models
  3. ดาวน์โหลดโมเดลมาใช้งาน ก่อนจะแปลงไฟล์เสียง ต้องโหลดไฟล์โมเดล (ฟอร์แมต .bin ของ ggml) มาไว้ในเครื่องก่อน โดยเลือกขนาดตามต้องการ (เช่น tiny, base, small, medium, large-v3) สำหรับภาษาไทยแนะนำ small หรือ medium ขึ้นไปครับคุณสามารถโหลดโมเดลผ่านคำสั่ง curl ไปไว้ที่โฟลเดอร์ปัจจุบันได้เลย
    ตัวอย่างการโหลดโมเดลขนาด base
    curl -L -o ggml-base.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-base.bin

วิธีติดตั้งบน Windows 🪟

สำหรับ Windows หากคุณมีการ์ดจอ Nvidia (CUDA) จะช่วยให้แปลงเสียงได้เร็วขึ้นมหาศาลครับ

  1. ติดตั้ง Python
    1. ดาวน์โหลด Python 3.10 หรือ 3.11 จาก python.org
    2. สำคัญมาก
      ตอนติดตั้ง ให้ติ๊กถูกที่ช่อง “Add python.exe to PATH” ก่อนกด Install
  2. ติดตั้ง FFmpeg
    1. ดาวน์โหลด FFmpeg แบบ Build พร้อมใช้งานจาก Gyan.dev (เลือกแบบ ffmpeg-release-essentials.zip)
    2. แตกไฟล์ไปไว้ที่ C:\commom\ffmpeg
    3. ค้นหาคำว่า “Environment Variables” ใน Windows Search -> เลือก Edit the system environment variables
    4. คลิก Environment Variables… -> ในช่อง System variables ดับเบิ้ลคลิกที่ Path
    5. กด New แล้วใส่ C:\common\ffmpeg\bin ลงไป จากนั้นกด OK
  3. ติดตั้ง PyTorch (เลือกตามการ์ดจอ)
    • หากมีการ์ดจอ Nvidia (แนะนำ)
      ไปที่ pytorch.org เพื่อรับคำสั่งติดตั้งเวอร์ชัน CUDA หรือรัน
      pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
    • หากใช้ CPU ปกติ
      pip3 install torch torchvision torchaudio
  4. ติดตั้ง Whisper
    เปิด Command Prompt หรือ PowerShell (Run as Administrator) แล้วรัน
    pip install git+https://github.com/openai/whisper.git

วิธีติดตั้งบน Linux (Ubuntu/Debian) 🐧

  1. อัปเดตระบบและติดตั้ง FFmpeg & Python
    เปิด Terminal แล้วรันชุดคำสั่งนี้
    sudo apt update && sudo apt upgrade -y
    sudo apt install python3-pip python3-dev ffmpeg git -y
  2. ติดตั้ง PyTorch
    • สำหรับเครื่องที่มี Nvidia GPU (ติดตั้งไดรเวอร์ CUDA แล้ว
      pip3 install torch torchvision torchaudio
    • สำหรับเครื่องที่ใช้ CPU อย่างเดียว
      pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
  3. ติดตั้ง Whisper
    pip3 install git+https://github.com/openai/whisper.git

🚀 วิธีเปิดใช้งาน Whisper (Testing)

เมื่อติดตั้งเสร็จเรียบร้อยแล้ว ไม่ว่าจะใช้ OS ไหน คุณสามารถทดสอบใช้งานได้ผ่าน Terminal / Command Prompt ทันที เตรียมไฟล์เสียงของคุณ (เช่น audio.mp3) จากนั้นเปิด Terminal ในโฟลเดอร์นั้นแล้วรัน
whisper audio.mp3 --model base

อ่านเพิ่มเติม

Tags: , , , , , , , , , , , ,