WhisperをWSL2で動かそうとしたらCUDA errorが出た際の対処作業メモ - beatF5run
元ネタ github.com はじめに OpenAIが発表した音声認識モデルをGPU付きのローカルのWSL2で動かそうとしてCUDA errorが出た対処の作業メモです。 手軽にWhisperを動かしたいだけならGoogle Colabで動くので qiita.com 上記のブログ等を参考に手を動かしてみると早いです。ほんとWhisperすごい。 本ページではローカルのWSL2で動かしたときに遭遇したエラーへの対処を書きます。 環境 Windows 11 WSL2(Ubuntu 22.04.1 LTS) GTX 1660 Ti 環境作成 今回はvenvを利用して環境を作りました。 $ mkdir whisper_run $ cd whisper_run $ python3 -m venv whisper_test $ source ./whisper_test/bin/activate ドラ
【Whisper】Pythonで音声ファイルを書き出ししてみよう！
Whisperとは Whisperとは、OpenAIが開発している汎用的な音声認識モデルです。 Web上から収集した68万時間におよぶ音声データで学習され、音声翻訳や言語識別だけでなく、多言語音声認識を行うことができるマルチタスクモデルでもあるモデルになります。 Whisperを用いることで、音声からの文字起こしと音声からの翻訳処理を行えます。 この記事では2つの方法をPythonで解説します。 https://openai.com/blog/whisper/ https://github.com/openai/whisper 日本語の単語誤り率（WER/Word Error Rate）は6.4%とグラフに記載があります。 この数値は、Whisperが対応している他の言語と比較しても、上位に位置しており、高い精度で文字起こしが可能だと解釈できそうです。 また、5つのモデルサイズが提供されて
無料でOpenAIの「Whisper」を使って録音ファイルから音声認識で文字おこしする方法まとめ
画像生成AI「DALL・E2」や文章生成AI「GPT-3」「InstructGPT」などを開発するAI研究団体のOpenAIが、2022年9月に高性能な文字起こしAI「Whisper」を発表しました。オープンソースのWhisperはリポジトリが一般公開されており、日本語にも対応しているとのことで、オンライン実行環境のGoogle Colaboratory(Google Colab)やローカルのWindows環境に導入して使ってみました。 Introducing Whisper https://openai.com/blog/whisper/ GitHub - openai/whisper https://github.com/openai/whisper ○目次 ◆Hugging Faceの体験版を使ってみる ◆Google Colabに導入して使ってみる ◆Windows環境に導入してみ
StableDeffsionで絵師を気取れるし､ChatGPTでプログラマー気取れる - NEXTAltair's diary
絵師って大仰言い方だなとか､簡単なスクリプトでプログラマーも大げさだと 話題になったChatGPTはこれまで公開されてたGPT-3(text-davinci-003)にいろいろ機能を追加した中にCodexというコードを書いてくれる それでChatGPTをDiscordのBot化するコードを書かせた エラーが出るエラーを聞く直すを繰り返しながら稼働するものはできた ができた時点ではGPT-3とChatGPTは違うことを知らずにデモサイトと比べるとなんかできが悪いなと思ってた ChatGPTにきくと中身違うよと教えてくれた ChatGPTはGPT-3.5的な位置づけでAPIは公開されてない 余談だが現在公開されているGPT-3のAPI使用料金は英単語750に対して値段は2セント 3.5は1チャットあたり一桁セントで1チャットが一回の応答を意味するなら処理コストが跳ね上がってる それで話を戻すと
【自然言語処理】Python初心者でも文章要約タスクが実装できた
はじめに わたくし、Python歴1年の初心者ですが、このたび、苦労に苦労を重ねて、自然言語処理タスクの文章要約を実装できました。 自然言語処理に興味のあるPython初心者のお役に立てればと、記事に残したいと思います。 実装にあたっては、ネットの記事も手あたり次第調べましたが、最終的には、以下の本が大変参考になりました。 ただし、バージョンの変更により、この本の通りに実装しても、2022年8月時点ではエラーになる箇所があります。出版社経由で著者の方にお聞きして一部コードを修正したほか、自分なりに工夫をして実装しました。 モデルについて Huggingface社が提供している深層学習フレームワークのTransformersを使います。 transformersにはBERTをはじめとするさまざまな言語モデルが実装されていますが、今回のタスクでは、T5というモデルをファインチューニングして使い
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Whisper│動画から日本語の文字起しをする方法│Mac | CGメソッド
