极智项目 | 基于PyQT+Whisper实现的语音识别软件设计 - 指南

这是一个基于OpenAI的Whisper模型的语音识别应用程序，使用PyQt5构建了简洁直观的用户界面。该应用支持多语言识别，特别优化了中文识别体验。

项目下载：链接

功能特点

• 简洁现代的深色主题界面
• 支持多语言识别（中文、英语、日语等）
• 中文繁简转换功能，自动将繁体中文转为简体
• 内置音频播放功能
• 异步识别过程，避免界面卡顿
• 实时显示识别进度和状态信息

系统要求

• Ubuntu 18.04 或更高版本
• Python 3.8 或更高版本
• 至少 4GB RAM（使用base模型）

依赖安装 (Ubuntu)

1. 系统依赖

首先安装必要的系统依赖：

# 更新包索引
sudo apt update# 安装基础依赖
sudo apt install -y python3-pip python3-dev python3-venv# 安装ffmpeg (Whisper音频处理必需)
sudo apt install -y ffmpeg# 安装mpv播放器 (用于音频播放功能)
sudo apt install -y mpv# 安装Qt依赖
sudo apt install -y libqt5widgets5 libqt5gui5 libqt5core5a

2. 创建虚拟环境 (推荐)

# 创建虚拟环境
python3 -m venv whisper_env# 激活环境
source whisper_env/bin/activate

3. 安装Python依赖

# 更新pip
pip install --upgrade pip# 安装必要的Python包
pip install openai-whisper==20230314 # Whisper语音识别模型
pip install torch==2.0.1 # PyTorch (Whisper依赖)
pip install PyQt5==5.15.9 # 图形界面框架
pip install zhconv==1.4.3 # 中文繁简转换
pip install numpy==1.24.3 # 数值计算库 (Whisper依赖)
pip install tqdm==4.65.0 # 进度条显示

运行应用

1. 下载项目
2. 激活虚拟环境（如果你使用了虚拟环境）：

source whisper_env/bin/activate

1. 启动应用程序：

python main.py

使用指南

1. 选择语言：从下拉菜单中选择输出语言（可选，默认自动检测）
2. 选择音频文件：点击"选择文件"按钮，选择要识别的音频文件
3. 开始识别：点击"开始识别"按钮开始处理
4. 播放音频：可以使用"播放音频"按钮来回放选择的音频文件
5. 查看结果：识别完成后，结果将显示在底部的文本区域、

支持的音频格式

• MP3 (.mp3)
• WAV (.wav)
• FLAC (.flac)
• M4A (.m4a)
• OGG (.ogg)

常见问题

1. 首次使用较慢：首次运行时，应用会自动下载Whisper模型文件，根据网络速度可能需要几分钟到几十分钟不等。
2. 中文识别：应用支持中文识别，并自动将繁体中文转换为简体中文。
3. 内存使用：默认使用的"base"模型大小适中，内存消耗约为1GB。

关于Whisper模型

Whisper是OpenAI开发的通用语音识别模型，它在大量多样化的音频数据上进行训练，并能够执行多语种语音识别、语音翻译、语言识别和语音活动检测等任务。

更多信息请参考Whisper GitHub仓库。