Whisper Unity 项目下载及安装教程
2024-12-08 17:03:50作者:秋泉律Samson
1. 项目介绍
Whisper Unity 是一个在 Unity3D 中运行语音转文本模型(Whisper.cpp)的项目。它提供了高性能的推理能力,使得 OpenAI 的 Whisper 自动语音识别(ASR)模型可以在本地机器上运行。该项目支持多种语言,并且可以在没有互联网连接的情况下运行。它还提供了不同大小的模型,以平衡速度和准确性。
2. 项目下载位置
要下载 Whisper Unity 项目,请访问项目的 GitHub 仓库。你可以通过以下步骤进行下载:
- 打开命令行工具(如 Terminal 或 Command Prompt)。
- 使用
git clone命令克隆仓库:git clone https://github.com/Macoron/whisper.unity.git
3. 项目安装环境配置
3.1 系统要求
- 操作系统:Windows、MacOS、Linux、iOS、Android、WebGL
- Unity 版本:建议使用 Unity 2019.4 或更高版本
- 硬件要求:建议使用支持 CUDA 的 Nvidia GPU(可选)
3.2 环境配置步骤
-
安装 Unity:
- 访问 Unity 官网 下载并安装 Unity Hub。
- 在 Unity Hub 中安装所需的 Unity 版本。
-
配置 CUDA(可选):
- 如果你的系统有 Nvidia GPU,可以安装 CUDA Toolkit。
- 安装完成后,在 Unity 项目设置中启用 CUDA。
-
配置 Metal(可选):
- 如果你的系统是 MacOS,并且使用的是 Apple M1 或更高版本的芯片,可以启用 Metal 支持。
- 在 Unity 项目设置中启用 Metal。
3.3 环境配置示例


4. 项目安装方式
-
打开 Unity 项目:
- 启动 Unity Hub。
- 点击“添加”按钮,选择你克隆的 Whisper Unity 项目文件夹。
- 打开项目。
-
导入项目依赖:
- 在 Unity 中,打开 Package Manager。
- 点击“+”按钮,选择“Add package from git URL”。
- 输入项目的 Git URL:
https://github.com/Macoron/whisper.unity.git。
-
配置项目设置:
- 在 Unity 编辑器中,打开“Project Settings”。
- 根据需要启用 CUDA 或 Metal 支持。
5. 项目处理脚本
Whisper Unity 项目包含多个处理脚本,用于编译和运行 Whisper.cpp 库。以下是一些关键脚本:
- build_cpp.bat:用于在 Windows 上编译 Whisper.cpp 库。
- build_cpp.sh:用于在 MacOS 和 Linux 上编译 Whisper.cpp 库。
- build_cpp_linux.sh:用于在 Linux 上编译 Whisper.cpp 库。
5.1 编译 Whisper.cpp 库
-
Windows:
build_cpp.bat cpu path\to\whisper -
MacOS:
sh build_cpp.sh path/to/whisper all path/to/ndk/android.toolchain.cmake -
Linux:
sh build_cpp_linux.sh path/to/whisper cpu
5.2 运行示例
编译完成后,你可以在 Unity 中运行示例场景,测试 Whisper 模型的语音转文本功能。
通过以上步骤,你可以成功下载、安装并运行 Whisper Unity 项目。希望这篇教程对你有所帮助!
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217