Extra. Whisper + Gradio 的简单部署

虚拟环境的准备

首先我们要准备一个虚拟环境，你也不想 whisper 和 gradio 的一大堆依赖把你的环境给污染了罢（）

注意这里用的是原版 Python，与 Anaconda 什么的可能在操作上存在区别，以实际为准。

创建虚拟环境

新建一个文件夹然后在终端中打开，然后输入：

python -m venv .\.venv

或者，可以在 vscode 打开对应文件夹后按 ctrl+shift+p 之后选择 Python: 创建虚拟环境 -> Venv -> 选择你需要的 Python 版本。

如果不出意外的话，等待一会儿虚拟环境就创建好了，目录下会多一个叫 .venv 的文件夹。

激活虚拟环境

如果是在 vscode 中，做完上述操作之后虚拟环境会自动激活；如果是手动创建的话，需要执行：

.\.venv\Scripts\activate

来激活虚拟环境。

如果手动激活失败的话把 activate 换成 Activate.ps1 或 activate.bat 试试。

激活后最左边会出现绿色的 (.venv) 字样（虚拟环境的名字）（不过在 vscode 的终端中可能不会出现）。

在 powershell 中可以使用 Get-Command python 来检查虚拟环境的激活状态，如果激活的话 Source 值应该为虚拟环境下的解释器路径。

安装依赖

接下来就可以安装必要的依赖们了。

安装 whisper

如果不出意外的话，直接跟着 whisper 的 README 文档安装就可以了。

在激活虚拟环境的终端中使用 pip 安装：

pip install -U openai-whisper

稍等一下应该就行了。

下载速度慢的话可以换个源再试，我个人用的是清华大学源。换源的教程请自己去找资料罢（

把 ffmpeg 也安装完成之后在虚拟环境下可以直接使用 whisper 命令进行调用。

可能会出现不认 cuda 的情况，但是由于 whisper 自带的很多模型都很轻量所以 cpu 也能跑，这里就直接带过了。

安装 ffmpeg

为了让 whisper 能够处理各种格式的音频，我们还需要安装 ffmpeg。

为了检查是否已经安装过 ffmpeg，在终端中输入：

ffmpeg -h

如果输出了一大堆东西（ffmpeg 的使用说明），说明已经装好了就不用再装了。

如果提示未找到指令的话说明没装呢。去这里下载一个，解压之后放到一个路径不含非英文字符的文件夹里，然后把 ffmpeg 的路径添加到 PATH 里。（可以去读这个或者网上找教程，或者继续看我写的垃圾）

要把 ffmpeg 添加到 PATH：

1. 找到 ffmpeg.exe 究竟在哪（直接解压的话应该会在 bin 文件夹里），然后复制它所在的文件夹的路径。
2. 右键此电脑 -> 属性 -> 高级系统设置（或者直接在开始菜单搜高级系统设置） -> 环境变量，在系统变量一栏里找到 Path 双击打开。
3. 新建一个项把你先前复制的路径粘进去然后保存就好了。
4. 按上面的方法检查是否安装成功。

安装 gradio

根据 gradio 官方文档，使用 pip 安装：

pip install gradio

应该就能安装完成了。

要检验 gradio 的安装，正确做法是在 Python Shell 里尝试 import gradio ，而不是直接在命令行打 gradio

没错就很简单啊，真开箱即用啊。

如果出现了各种问题的话就 Google 启动罢。不过我真没遇到什么问题，真就两行指令搞定那种。

编写 whisper 的 gradio 页面

你说得对但是 whisper 是能直接通过命令行来调用的啊，这里选择用 gradio 做个 webui。

然后我其实也没细学 gradio 的文档啊，可能会有一些错误解释，我就按照自己的理解来了。

我的代码 be like ↓

import gradio as gr
import whisper

import json

possi_langs = [
    "Chinese",
    # 在这里填充其他可用的语种，我直接把 whisper 帮助里支持的语种全粘进去了
    # 这里为了文档短点就先这样
]

# 供 gradio 调用的函数
def conv(from_file, model="base", lang="Chinese"):
    # 加载模型
    model = whisper.load_model(model)
    # 启动转换
    result = model.transcribe(
        from_file,
        language=lang,
    )
    # 返回文本化的结果
    return json.dumps(result, ensure_ascii=False, indent=4)

# gradio 的接口
demo = gr.Interface(
    # 填入上面定义的函数
    fn=conv,
    # 填入函数对应的三个参数来源
    inputs=[
        # 第一个参数：音频文件路径，这里使用 gradio 自带的 Audio 组件
        gr.Audio(type="filepath"),
        # 第二个参数：使用模型，这里使用下拉框从 whisper 的可用模型里选
        gr.Dropdown(whisper.available_models(), value="base", type="value"),
        # 第三个参数：输入语言
        # 找了一圈似乎没有办法从程序里得到 whisper 的支持语种，于是在上面自己定义了一个可用的列表
        gr.Dropdown(possi_langs, value="Chinese", type="value"),
    ],
    # 填入函数的返回值输出到的地方，这里是一个文本框
    outputs=gr.Text(),
)

demo.launch()

在 vscode 里直接点开始调试就可以运行了，然后访问终端输出的那段地址就行

（如果直接在浏览器里输地址记得加上 http:// 不然它给你报一堆 ssl 错误）

如果想要在不打开 vscode 的情况下启动，则可以在激活虚拟环境后使用 python <你的gradio程序>.py 来启动，或者直接指定虚拟环境中的那个解释器的路径： .\.venv\Scripts\python.exe <你的gradio程序>.py

emm 就是这样，感谢你看到这里 w