PHP版本的Whisper自动语音识别库使用教程

1. 项目介绍

Whisper.php 是一个基于 Whisper.cpp 的 PHP 绑定库，它为开发者提供了高性能的自动语音识别和转录功能。这个库通过FFI（Foreign Function Interface）扩展与 Whisper.cpp 相交互，支持多种平台，包括 Linux、macOS 和 Windows。Whisper.php 提供了高低级API，支持自动下载模型，处理多种音频格式，并以多种格式输出结果。

2. 项目快速启动

在开始使用 Whisper.php 前，确保你的环境满足以下要求：

• PHP 8.1 或以上版本
• FFI 扩展已启用

首先，使用 Composer 安装库：

composer require codewithkyrian/whisper.php

然后，在你的 PHP 配置文件 php.ini 中启用 FFI 扩展：

extension=ffi

低级API快速启动示例

// 初始化上下文和状态
$contextParams = WhisperContextParameters::default();
$ctx = new WhisperContext("path/to/model.bin", $contextParams);
$state = $ctx->createState();
$fullParams = WhisperFullParams::default()->withNThreads(4)->withLanguage('en');

// 读取音频文件并进行转录
$pcm = readAudio($audioPath);
$state->full($pcm, $fullParams);

// 处理转录的分段
$numSegments = $state->nSegments();
for ($i = 0; $i < $numSegments; $i++) {
    $segment = $state->getSegmentText($i);
    $startTimestamp = $state->getSegmentStartTime($i);
    $endTimestamp = $state->getSegmentEndTime($i);
    printf("[%s - %s]: %s\n", toTimestamp($startTimestamp), toTimestamp($endTimestamp), $segment);
}

高级API快速启动示例

// 加载预训练模型
$whisper = Whisper::fromPretrained('tiny.en', baseDir: __DIR__ . '/models');

// 读取音频文件
$audio = readAudio(__DIR__ . '/sounds/sample.wav');

// 进行转录
$segments = $whisper->transcribe($audio, 4);

// 输出转录结果
foreach ($segments as $segment) {
    echo toTimestamp($segment->startTimestamp) . ': ' . $segment->text . "\n";
}

3. 应用案例和最佳实践

应用案例

• 实时语音转文字：在直播或会议中，实时将演讲者的语音转换为文字。
• 录音文件转录：将录音文件转录为文本，用于存档或搜索。

最佳实践

• 使用适当的模型：根据音频的质量和语言选择合适的模型。
• 调整线程数：根据服务器的CPU核心数调整线程数以提高性能。
• 实现回调函数：使用回调函数处理每个转录分段，以便实时处理数据。

4. 典型生态项目

• Whisper.cpp：Whisper.php 库依赖的 C++ 原生库。
• FFI扩展：PHP的FFI扩展，使得PHP可以调用其他语言编写的函数和对象。
• libsndfile 和 libsamplerate：用于音频文件的读取和重采样。