メインコンテンツへスキップ

Whisper 音声認識サービス

Fork Repo: whisper-speech-recognition

このプロジェクトは、Flaskを使用したPython環境でOpenAIのWhisperモデルを使用してローカル音声認識サービスをデプロイする方法を示しています。 Leapcell (leapcell.io) でAIモデルをデプロイする方法をユーザーが学習することを目的としています。

前提条件​

アプリケーションを実行する前に、依存関係を設定し、必要なWhisperモデルをダウンロードして、環境を準備する必要があります。次のスクリプトを実行します。

sh prepare_env.sh

これにより、以下の処理が行われます。

  1. Flask、Gunicorn、および必要な依存関係を含む、必要なPythonパッケージをインストールします。
  2. PyTorchと関連ライブラリ（特にCPU使用向け）をインストールします。
  3. OpenAI Whisperライブラリをインストールまたはアップデートします。
  4. Pythonスクリプトを使用して、必要なWhisperモデルをダウンロードします。

プロジェクト構成​

.
├── LICENSE                           # プロジェクトのライセンスファイル
├── download_model.py                 # 必要なWhisperモデルをダウンロードするPythonスクリプト
├── prepare_env.sh                    # 環境をセットアップし、モデルをダウンロードするためのスクリプト
├── static
│   └── audio_files
│       └── demo.wav                  # サービスのテスト用のサンプル音声ファイル
└── templates
    └── index.html                   # サービスのメインページのHTMLテンプレート

アプリケーションの実行​

環境を準備したら、次のコマンドでWebサービスを開始できます。

gunicorn -w 4 app:app

これにより、Gunicornを使用してFlaskアプリケーションが本番環境にデプロイされます。 サービスは http://localhost:5000 で利用可能になり、文字起こしのためにオーディオファイルをアップロードできます。 文字起こしされたテキストが返されます。

prepare_env.sh の説明​

このスクリプトは、環境をセットアップし、Whisperモデルをダウンロードする役割を担います。 各行の動作の内訳は次のとおりです。

#!/bin/sh

# コマンドがゼロ以外のステータスで終了した場合、すぐに終了します
set -e

# Flask、python-multipart、およびGunicornをインストールします
pip install flask python-multipart gunicorn

# PyTorchおよび関連ライブラリ（torchvision、torchaudio）をインストールします
# PyTorchのCPU専用ホイールインデックスから
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# OpenAI Whisperライブラリをインストールまたは更新します
pip install -U openai-whisper

# 必要なWhisperモデルをダウンロードするPythonスクリプトを実行します
# このスクリプトはビルドステップでモデルをダウンロードします
python download_model.py
  • set -e: コマンドが失敗した場合にスクリプトが停止するようにします。
  • pip install flask python-multipart gunicorn: Flask（Webサービス用）、python-multipart（ファイルアップロードの処理用）、Gunicorn（本番環境対応のWSGI HTTPサーバー）をインストールします。
  • pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu: Whisperモデルを実行するために、PyTorchと関連ライブラリ（CPU向けに最適化）をインストールします。
  • pip install -U openai-whisper: OpenAI Whisperライブラリをインストールまたは更新します。
  • python download_model.py: 文字起こしに必要なWhisperモデルをダウンロードするためのPythonスクリプトを実行します。