WhisperX Transcriber

基于 WhisperX 的音频转写工具，提供了更灵活的配置选项和批量处理能力。

功能特点

1. WhisperX 核心功能
   • 自动 VAD (Voice Activity Detection) 语音检测和分段
   • Whisper 大规模语音识别
   • Forced Alignment 音素级别对齐
   • 说话人分离 (Speaker Diarization)
2. 增强功能
   • 完整的配置系统
     • 模型参数配置
     • 输入输出配置
     • 功能模块开关
   • 批量文件处理
     • 支持多种音频格式
     • 支持指定文件处理
     • 支持目录批处理
   • 多格式输出：JSON，SRT, TXT
   • 内存管理优化

安装使用

1. 安装 Python 环境

    conda create --name whisperx python=3.10
    conda activate whisperx

2. Install PyTorch, e.g. for Linux and Windows

• CUDA11.8:

    conda install pytorch==2.0.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia

• CPU Only

    conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 cpuonly -c pytorch

3. 安装 whisperx 及相关库（适配CPU Only）

    pip install -r requirements.txt

4. 配置 config.yaml 及 secrets.yaml 文件

请在 secrets.yaml 文件中设置 diarization 所需的 token 及 proxy。

    auth_token: "your_token"
    proxy: "your_proxy"

而且要在 HuggingFace 网站上手动接受相关模型的使用授权条款：

• 访问 https://huggingface.co/pyannote/segmentation-3.0
• 访问 https://huggingface.co/pyannote/speaker-diarization-3.0
• 在每个页面上：
  • 登录你的 HuggingFace 账号（使用与 token 相关联的账号）
  • 点击 "Accept" 或 "Access repository" 按钮接受使用条款
  • 同意相关的许可条款

5. 运行程序

可以使用 python 命令：

    python WhisperXTranscriber.py

也可以使用快捷键 “WhisperXConda.lnk” （需要根据项目位置先修订其属性值）

ref

https://github.com/VimWei/WhisperTranscriber