Whisper.php - -自动语音识别和转录

语音识别可能很复杂，但并不必然如此，因为 Whisper.php 可以帮助你简化过程。Whisper.php 是 Whisper.cpp 的 PHP 包装器，Whisper.cpp 是 OpenAI Whisper 模型的 C/C++ 端口。该包由 Kyrian Obikwelu 创建，最近发布了 v1.0.0，你可以直接在你的项目中实现完全本地和无 API 的转录。它提供：

• 高级和低级 API
• 模型自动下载
• 支持多种语音格式(e.g. MP3, WAV, OGG, M4A)
• 多种输出格式导出 (e.g. TXT, SRT, VTT, or CSV)
• 流媒体和进度跟踪的回调支持

Whisper.php 要求在 PHP 中安装并启用 FFI(外部函数接口)扩展。该扩展允许你在 PHP 中你直接与 C 库交互。

假设你已启用了 FFI，要安装 Whisper.php，请运行：

composer require codewithkyrian/whisper.php

Whisper.php 提供低级和高级 API。低层的 API 提供了对转录过程的细粒度控制，与原始的 C 实现密切镜像。高级 API 为简化的工作流程提供了一个更简单、更抽象的接口。

为了本文的目的，我们将使用高级 API。

use Codewithkyrian\Whisper\Whisper;
use function Codewithkyrian\Whisper\readAudio;
use function Codewithkyrian\Whisper\toTimestamp;
 
// Transcribe Audio
$whisper = Whisper::fromPretrained('tiny.en', baseDir: __DIR__.'/models');
$audio = readAudio(__DIR__.'/audio/laravel-news-227-sample.mp3');
$segments = $whisper->transcribe($audio, 4);
 
// Output transcribed segment data
foreach ($segments as $segment) {
    echo toTimestamp($segment->startTimestamp) . ': ' . $segment->text . "\n";
}

Whisper.php 依赖于一些平台特定的共享库。因此，第一次使用 Whisper::fromPretrained() 初始化模型时，它们将自动下载并存储在我们的模型(models)目录中。首次下载会导致第一次运行略有延迟，但幸运的是，一旦库被缓存，后续运行的速度会快得多。支持的 Whisper 基本模型包括：tiny.en、base、base.en 等。

接下来，readAudio() 函数通过将音频重新采样到 16kHz 来简化音频处理，这是音频质量和效率之间的平衡。这捕获了人类语音的核心频率，同时减少了要处理的数据量。

之后，transcribe() 方法获取重新采样的音频，并将其分解为具有开始和结束时间戳以及文本的片段，我们可以以所需的格式输出。

作为测试，我们使用了 Laravel News Podcast 的最新一集。如你所见，它并不完美，但做得很好。输出如下：

00:00:00,000:  Hey everybody how's it going welcome to the level this podcast episode 227 today is November
00:00:05,040:  26th
00:00:06,400:  2024
00:00:07,680:  Glad to have you hanging out with us and glad that Michael finally figured out his microphone...

注：在撰写本文时，仅支持 Linux 和 macOS，而 Windows 版本仍在开发中。

你可以在 GitHub 上了解有关此包的更多信息并查看源代码。