whisper-v3模型部署环境执行

1. 安装whisperV3

1. github git clone https://github.com/openai/whisper.git
2. pip install -U openai-whisper
3. pip install setuptools-rust
   这些都没有安装 但是github下载的版本是能执行成功的
4. pip install accelerate
5. pip install soundfile
6. pip install librosa
7. pip install torchaudio

requirements.txt

numba
numpy
torch
tqdm
more-itertools
tiktoken
triton>=2.0.0,<3;platform_machine=="x86_64" and sys_platform=="linux" or sys_platform=="linux2"

github官方版本

要进到whisper目录里面， 执行脚本要和whisper/whisper目录同级。这样就执行成功了。

import whisper

model = whisper.load_model("base")
result = model.transcribe("audio.mp3")
print(result["text"])

遇到的名词解释

1. 大模型的弱标签

在大模型中，弱标签（Weak Labels）通常指的是相对于强标签（Strong Labels）而言的标签类型。强标签是指对每个样本都有明确、准确的标签，可以直接用于训练模型的监督学习任务。而弱标签则指的是对样本的标签信息不够准确或完整，可能存在噪声、不确定性或模糊性。

弱标签可以是多种形式，常见的包括但不限于：

1. 部分标签（Partial Labels）：只对样本的部分特征或属性进行标记，而不是对整个样本进行标记。
2. 噪声标签（Noisy Labels）：由于标注过程中的错误或不确定性而产生的标签。
3. 不确定标签（Uncertain Labels）：对于某些样本标签的确定性不高，存在一定程度的不确定性。
4. 模糊标签（Ambiguous Labels）：标签含义不明确或模糊，可能存在多种解释或理解。

在使用弱标签进行训练时，通常需要采取一些特殊的处理方法来处理标签的不确定性和噪声，以提高模型的鲁棒性和泛化能力。这包括使用弱标签推理（Weak Label Inference）、噪声过滤（Noise Filtering）、半监督学习（Semi-Supervised Learning）等技术来充分利用弱标签信息进行模型训练。

参考文档

论文： https://cdn.openai.com/papers/whisper.pdf
whisper-v3 model-card https://huggingface.co/openai/whisper-large-v3
知乎胡儿 v3介绍 https://zhuanlan.zhihu.com/p/662906303
安装参考 https://zhuanlan.zhihu.com/p/666969310
github https://github.com/openai/whisper/blob/main/model-card.md
根据官方文档安装就可以了 https://github.com/openai/whisper/blob/main/README.md
官网 https://openai.com/research/whisper