Whisper 项目安装和配置指南

1. 项目基础介绍和主要编程语言

项目基础介绍

Whisper 是一个高性能的 GPGPU 推理库，专门用于 OpenAI 的 Whisper 自动语音识别（ASR）模型的推理。该项目是 Whisper.cpp 的 Windows 移植版本，旨在提供比 OpenAI 原生实现更快的推理速度。

主要编程语言

该项目主要使用 C++ 进行开发，同时也提供了 C# 的封装接口，方便在 .NET 环境中使用。

2. 项目使用的关键技术和框架

关键技术

• DirectCompute: 该项目使用 DirectCompute 技术进行 GPGPU 计算，DirectCompute 是 Direct3D 11 中的一种计算着色器技术。
• Media Foundation: 用于音频处理，支持大多数音频和视频格式以及音频捕获设备。
• COM-style API: 提供了易于使用的 COM 风格的 API，并提供了 C# 的封装接口。

框架

• OpenAI Whisper: 基于 OpenAI 的 Whisper 自动语音识别模型。
• Direct3D 11: 用于 GPGPU 计算的图形 API。

3. 项目安装和配置的准备工作和详细安装步骤

准备工作

1. 操作系统: 该项目仅支持 64 位 Windows 系统，建议使用 Windows 8.1 或更新版本。
2. 硬件要求: 需要支持 Direct3D 11.0 的 GPU，以及支持 AVX1 和 F16C 的 CPU。
3. 开发环境: 需要安装 Visual Studio 2022（社区版即可）。

详细安装步骤

步骤 1: 克隆项目仓库

首先，打开命令行工具（如 PowerShell 或 Git Bash），然后运行以下命令克隆项目仓库：

git clone https://github.com/Const-me/Whisper.git

步骤 2: 打开项目解决方案

1. 进入克隆的项目目录：

   cd Whisper
   

2. 使用 Visual Studio 2022 打开项目解决方案文件 WhisperCpp.sln。

步骤 3: 配置项目

1. 在 Visual Studio 中，选择 Release 配置。
2. 右键点击 CompressShaders 项目，选择“设为启动项目”。
3. 在主菜单中选择“调试 / 开始执行（不调试）”来运行 CompressShaders 项目。

步骤 4: 构建项目

1. 构建 Whisper 项目以生成原生 DLL，或者构建 WhisperNet 项目以生成 C# 封装和 NuGet 包。
2. 构建完成后，可以在 bin/Release 目录下找到生成的 DLL 文件。

步骤 5: 运行示例程序

1. 在 Examples 目录下，找到并运行示例程序 WhisperDesktop.exe。
2. 首次运行时，程序会提示下载模型文件，推荐下载 ggml-medium.bin 模型（1.42GB）。
3. 下载完成后，可以使用该程序进行音频文件的转录或实时音频捕获和转录。

其他注意事项

• 如果使用 Visual C++ 2022 或更新版本构建项目，可能需要重新配置运行时库设置，具体步骤请参考项目文档。
• 项目包含 RenderDoc GPU 调试器集成，可以在 RenderDoc 中启动程序并按 F12 捕获计算调用。

通过以上步骤，您应该能够成功安装和配置 Whisper 项目，并开始使用其强大的自动语音识别功能。