4倍速で文字起こし！Faster Whisperの使い方を解説してみた【Python初心者でも使えるコード付き】

#AI #python #プログラミング #whisper #動画編集 #文字起こし #openai
今回はgradioは使いませんでした！

00:00 オープニング
00:54 どれくらい高速化されるのか？
01:43 どうやって高速化しているのか？
02:14 AIがどのように文章を扱うかの説明
02:29 トークンはベクトルが振られることの説明
02:50 AIのモデルのパラメータの意味を解説
03:13 パラメータの量子化の意味を解説
03:58 whisper-large-v2の性能比較
04:44 実装の紹介
06:44 動画ファイルのアップロード方法について
07:21 ファイル名の取得方法
07:51 faster whisperの使い方の解説
09:32 文字起こしのファイル参照の仕方
10:09 文字起こしの精度を確認
10:42 OpenAIのWhisper-large-v2の使い方の解説
11:46 OpenAIのWhisperとfaster-whisperの比較
12:33 英語翻訳版の出力方法について
13:34 エンディング

■動画で紹介したコード
https://colab.research.google.com/github/nyanta012/demo/blob/main/faster_whisper_v3.ipynb
※無断転載禁止

今回はgradioを使用せず、直接google colaboに動画をアップロードをしています。
アップロードが完了する前に、コードを実行してしまうとエラーが発生しますので注意してください。

動画が長尺の場合アップロードに時間がかかります。
時間を短縮させる方法としてgoogle driveに動画アップロードしてから、goolge colaboにマウントする方法があります。

手順は
①google driveに動画ファイルをアップロードする
②google colaboでgoogle driveのファイルを読み込めるようにマウント(接続)する
　下記のコードをgoogle colaboで実行すれば、認証画面が出て接続することができると思います。どこかのセルにコピペして、実行してください

from google.colab import drive
drive.mount('/content/drive')

③google colaboでgoogle driveにアップロードした動画のファイルのパスを参照する
　②でgoogle driveがマウントされると、google colaboの左側のフォルダにgoogle driveのファイルが出現します。
　その中の動画ファイルのパスを取得して、動画の説明でもあるようにfile_nameに設定します。

　例えば、sample.mkvという動画ファイルがgoogle driveにアップロードされている場合
　動画では
file_name = "サンプル動画.mkv"
　ですが、これを
　file_name = "drive/MyDrive/sample.mkv"
　のように変更してください。
　あとのコードは全て同じとなります。

本当は動画の中で解説すればよかったのですが、アップロード後に気づきました。すみません…！

■faster-whisperのgithub
https://github.com/guillaumekln/faster-whisper

■CTranslate2のgithub
https://github.com/OpenNMT/CTranslate2/

■以前のwhisperを使った動画
【AIで字幕作成】Whisperで字幕の文字起こしをするWebアプリを作ってみた【コード付き】
https://youtu.be/yTvofPlLUZE

【音声認識AI】OpenAIのWhisperで文字起こししてみた【コード付き】
https://youtu.be/Ni3PW20NL0Q

■Udemy
ChatGPTAPIの使い方講座も作成しているので興味があれば是非！(クーポン発行してます！)
https://linktr.ee/nyanta_youtuber

■Twitter
https://twitter.com/vtuber_nyanta

■言語モデル関連のおすすめ書籍
・大規模言語モデルは新たな知能か――ChatGPTが変えた世界
https://amzn.to/3YhtYCk
大規模言語モデルがこれまでの機械学習とどのように違うのか？という点や
簡単な技術の概要がわかりやすくまとめられています。万人向けです。

・大規模言語モデル入門
https://amzn.to/3OAJnuh
大規模言語モデルに使われている基礎的な技術の実装と応用が学べます。
やや技術寄りですが、かなり丁寧に解説されています。

※上記製品リンクURLはAmazonアソシエイトのリンクを使用しています。
------------------------------------------------------------------------------------------------------
■楽曲提供
フリーBGM DOVA-SYNDROME : http://dova-s.jp/
効果音ラボ : https://soundeffect-lab.info/
------------------------------------------------------------------------------------------------------