目标是中文语音生成字幕.因为显存只有 3G,所以只能用 ggml-large-v3-turbo.bin 和 ggml-medium.bin,但是生成的 srt 字幕,v3 在每一行里会将很多字挤在一起,而 medium 基本上每一行不会有太多字
基本上个人觉得 medium 还可以
还有如何在 prompt 控制输出成简体中文?有时候繁体简体混在一起,有时候全繁体或全简体.
命令如下
main.exe Z:\1.mp3 -m Z:\Model\ggml-medium.bin -l chinese -osrt
![]() |
1
powerfulyang 2 天前 via Android
感觉 v2 中文效果 更好
|
![]() |
2
Liu6 2 天前
opencc 可以将繁体变成简体, 后处理一下就好了。
|
![]() |
3
zcf0508 2 天前 via Android
whisper 的 prompt 不是命令,而是示例
|
![]() |
4
heimoshuiyu 2 天前
v3-turbo 效果不如 v3
v3 中文效果不如 v2 很难说 v3-turbo 和 medium 在中文上哪个更好 使用 prompt 出简体我基本上是瞎写:“以下是简体中文的会议记录摘要。有完整的标点符号。” 或者用 opencc 处理一下 3G 显存够跑 large-v2 的,可以看我项目 https://github.com/heimoshuiyu/whisper-fastapi |
![]() |
5
xbox360 OP @heimoshuiyu
3G 显存只能跑 large-v2-q8_0,这个容量为 1.54GB 的模型在 whisper.cpp 运行时占用显存达 2.9G,6 分 30 秒的音频输出字幕时间为 4 分钟多一点. 而 large-v2 容量为 2.88GB,加载后也是占用 2.9G 显存,但可能是太大了,显卡满载占用 20 多分钟都没输出过一行字幕 |