Whisper-Diarization项目在Apple Silicon上的安装问题分析与解决方案

背景介绍

Whisper-Diarization是一个基于Whisper语音识别模型的开源项目，用于实现语音转写和说话人分离功能。该项目在x86架构的计算机上运行良好，但在Apple Silicon（M1/M2芯片）的Mac设备上安装时，用户经常会遇到各种依赖问题和兼容性错误。

主要问题分析

在Apple Silicon设备上安装Whisper-Diarization时，主要会遇到以下几类问题：

1. Python版本兼容性问题：项目对Python版本有特定要求，3.12会导致setuptools不兼容，而3.11又会出现其他依赖冲突。

2. Triton服务器依赖问题：NeMo工具包需要Triton服务器支持，这在Apple Silicon上安装困难。

3. YouTokenToMe安装失败：这个分词工具在安装过程中经常出现构建错误。

4. Pybind11模块缺失：fasttext依赖pybind11，但安装过程中经常报错找不到该模块。

5. OpenCC库加载失败：中文处理依赖的OpenCC库在macOS上动态链接存在问题。

详细解决方案

Python环境配置

推荐使用Python 3.10版本，可以通过Homebrew安装：

brew install python@3.10

创建虚拟环境：

python3 -m venv venv

基础依赖安装

安装Cython和wheel：

pip install cython wheel

PyTorch安装

Apple Silicon设备需要安装适配的PyTorch版本：

pip3 install torch torchvision torchaudio

解决OpenCC问题

通过Homebrew安装OpenCC并创建符号链接：

brew install opencc
ln -s /opt/homebrew/lib/libopencc.dylib /opt/homebrew/lib/libopencc.so.1

其他依赖处理

安装pybind11：

pip install pybind11

手动安装YouTokenToMe：

pip install git+https://github.com/LahiLuk/YouTokenToMe

项目未来改进方向

根据开发者反馈，项目正在积极改进以更好地支持Apple Silicon设备：

1. 移除对whisperX对齐功能的依赖，从而避免pyannote相关的问题
2. 优化NeMo工具包的使用，不再需要Triton服务器
3. 改进跨平台兼容性，特别是对MPS（Metal Performance Shaders）的支持

总结

在Apple Silicon设备上安装Whisper-Diarization项目确实存在一定挑战，主要是由于各种依赖库的兼容性问题。通过上述方法可以逐步解决这些问题。随着项目的持续改进，未来在Apple Silicon设备上的安装体验将会更加顺畅。对于遇到MPS支持问题的用户，建议暂时使用CPU模式运行，或者联系开发者提供更多调试信息以完善对Apple Silicon的支持。