用AI生成字幕，这款AI神器很强大

升级显卡后才发现玩游戏的时间真的很少，但这几年AI工具真的很强大也很有趣，于是显卡有了新玩法。

我将介绍一些非常强大的AI工具，比如AI画图、AI补帧、AI图像放大、AI视频修复，如果想了解更多玩法可以关注我。今天介绍的AI生成字幕，使用的AI工具是著名的whisper，这是一个开源的AI工具，可以识别音频和视频生成字幕文件。

其英语识别的准确，我只能说非常惊艳，当然whisper还支持多种其它语言语音识别成文字。

安装whisper之前需要安装python3.10和pip以及ffmpeg。如果网络不能顺畅访问github，可以试试使用开发者边车dev-sidecar。

做完准备工作，开始安装whisper，打开powershell用官方的一键安装脚本安装：

#安装
pip install setuptools-rust
pip install git+https://github.com/openai/whisper.git
#升级
pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git

只要网络正常安装是很快捷简单的。但官方的一键安装命令安装完后可能会有一个问题，就是不能正常调用CUDA，而是使用CPU运行计算（这会拖慢运行速度）。这种情况需要重新安装torch（安装需要下载2G左右的数据）

pip uninstall torch
pip cache purge
pip install torch -f https://download.pytorch.org/whl/torch_stable.html

重新安装之后应该就可以正常调用显卡的CUDA了（既然都说到CUDA了，自然是需要N卡）。

首次使用whisper还需要下载用于识别的模型文件。官方提供了5个模型文件，默认使用small，如果显卡性能较好可以尝试一下medium和large准确率更高，但是速度会更慢。

如果是让程序自己下载这几个模型文件会很慢（medium包有1.4G、large包有3G）。我建议是去whisper的_int_.py文件源码里找到这几个文件下载地址，然后用下载软件下载到本地。

然后放到C:Users用户名.cachewhisper路径中。

万事俱备，接下来介绍一下如何转换。

首先打开需要转换文件的文件夹，在该目录下打开powershell（shift+右键）。假设需要转换字幕的文件是japanese.wav，语言是Japanese。那么可以通过如下命令转换，可以通过--model参数指定加载的识别模型。

#指定语言生成字幕
whisper japanese.wav --language Japanese
#指定模型
whisper japanese.wav --language Japanese --model medium
#生成字幕并翻译成英文
whisper japanese.wav --language Japanese --task translate

如果需要翻译，还可以加上--task translate参数，但是默认只能翻译成英文。

我用电影《罪恶之城》做了一个测试，翻译速度很快，大概十几分钟就完成了整部电影字幕的生成，而且英文的准确率没得说。

显卡占用情况2060Super没吃满，大概占用在70%左右。所以对于硬件性能要求并不是非常高，但是比较吃显存。

生成的字幕还用翻译软件进行翻译成中文，就可以得到你想要的中文字幕了。

目前来说whisper生成英文字幕可以说是非常强大、非常惊艳，其它语言也基本达到可用的水平。whisper可以说是一个非常好用的AI工具，值得一试！

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～