whisper 参数模型

本项目采用 OpenAI 开源的 whisper 模型进行 Automatic Speech Recognition (ASR) 任务。

模型信息

模型基本参数参数及链接如下，注意 GPU 显存必须大于所需 VRAM：

TIP

如果追求识别准确率，推荐使用参数量 small 及以上的模型。

Size	Parameters	Multilingual model	Required VRAM
tiny	39 M	tiny	~1 GB
base	74 M	base	~1 GB
small	244 M	small	~2 GB
medium	769 M	medium	~5 GB
large	1550 M	large	~10 GB

计算 VRAM 需求

用 Nvidia 显卡加速 ffmpeg 渲染过程，每个任务所需的 VRAM 约为 180 MB。whisper 模型运行所需显存如上表所示。 因此可以大约计算所需显存。

以 small 模型为例:

• 如果采用 pipeline 模式，由于并行运行，则运行至少需要 180 + 2620 = 2800 MB 显存。
• 如果采用 append 或者 merge 模式，则运行至少需要 2620 MB 显存。

WARNING

请一定保证 GPU 显存大于计算结果，否则会爆显存，RuntimeError: CUDA out of memory.。

更换模型方法

1. 请将 src/config.py 文件中的 Inference_Model 参数设置为模型对应Size名称，如 tiny，base，small，medium，large。
2. 将对应的模型文件下载，并放置在 src/subtitle/models 文件夹中。
3. 重新运行 ./scan.sh 脚本。