Gần đây, tôi gặp nhu cầu chuyển bản ghi âm thành văn bản. Sau một hồi tìm kiếm, tôi phát hiện hầu hết các công cụ trên mạng đều yêu cầu trả phí, còn một số công cụ miễn phí thì phụ thuộc vào API đám mây, hoặc phải sử dụng GPU hỗ trợ tính toán CUDA. Vì vậy, tôi quyết định phát triển một công cụ nhỏ chuyển giọng nói thành văn bản, dựa trên mô hình Faster Whisper, ngay cả trên CPU thông thường cũng có thể đạt hiệu quả xuất sắc.

Cách sử dụng
- Khởi động chương trình:Nhấp đúp vào tệp để mở công cụ.
- Chọn mô hình:Chọn mô hình bạn muốn sử dụng ở góc trên bên trái.
- Thiết lập phương thức suy luận và độ chính xác:Chọn phương thức suy luận và độ chính xác ở góc dưới bên trái. Khuyến nghị chọn trên CPU
int8 chế độ, như vậy sẽ nhanh hơn.
- Lưu ý chọn GPU:Nếu máy tính của bạn không có GPU hỗ trợ CUDA, tuyệt đối không chọn tùy chọn GPU, nếu không chương trình có thể bị crash. Ban đầu dự định dùng thư viện pytorch để kiểm tra CUDA có khả dụng hay không, nhưng như vậy sẽ khiến gói chương trình quá lớn, cuối cùng quyết định không áp dụng cách này.
- Tải mô hình:Lần sử dụng đầu tiên cần tải mô hình, tiến độ tải có thể xem trong bảng điều khiển (
console), vui lòng kiên nhẫn chờ đợi.
Cập nhật và câu hỏi thường gặp
- 1. Vấn đề tương thích:
- Công cụ này cần chạy trên hệ thống Windows 10 64-bit trở lên, không hỗ trợ các hệ điều hành cũ hơn như Windows 7, XP.
- Một số bộ xử lý Pentium, Celeron cấp thấp có thể không chạy được do thiếu tập lệnh cần thiết.
- 2. Chọn mô hình:
- Sử dụng
large , nên đặt độ chính xác thành float32.
- Đối với hai mô hình còn lại, sử dụng
int8 độ chính xác là được.
- 3. Vấn đề mạng:
- Tệp mô hình khá lớn, hãy đảm bảo kết nối mạng ổn định. Nếu gặp vấn đề tải thất bại, nên xóa thư mục
models trong cùng thư mục, sau đó thử tải lại.
Nếu các giải đáp trên không giải quyết được vấn đề của bạn, vui lòng phản hồi trong phần bình luận và kèm theo nội dung đầu ra trong bảng điều khiển, để chúng tôi có thể giúp bạn giải quyết vấn đề tốt hơn. Cảm ơn!