Whisper + NemoASR + ChatGPT 实现语言转文字、说话人识别、内容总结等功能
引言
2023年，IT领域的焦点无疑是ChatGPT，然而，同属OpenAI的开源产品Whisper似乎鲜少引起足够的注意。
Whisper是一款自动语音识别系统，可以识别来自99种不同语言的语音并将其转录为文字。
如果说ChatGPT为计算机赋予了大脑，那么Whisper则为其赋予了耳朵。
想象一下，在企业应用领域，我们能够利用Whisper将语音转化为文字，然后再借助ChatGPT来进行翻译或总结。
接下来，我们将以实际操作为出发点，逐步向您介绍如何利用AI实现音频、视频的内容总结。
前期准备
GPU
首先，我们需要解决硬件方面的问题。
虽然OpenAI提供了HTTP API来调用Whisper，但对于企业而言，将内部内容交给OpenAI始终存在一定的安全风险。
本地运行AI模型则需要大量的计算资源。
如果仅使用CPU进行计算，一个大约10分钟的语音转录任务可能需要花费4倍以上的时间。
因此，我们必须引入GPU进行计算加速。
考虑到Colab在国内无法访问，我们建议在Kaggle上运行演示。
请大家注册Kaggle账户，并完成手机号验证（Kaggle的GPU需要完成手机号验证后才能使用）。
Azure ChatGPT
ChatGPT是我们语音内容总结的核心工具。
我们建议使用Azure OpenAI服务。
您可以参考以下文章来申请：Azure OpenAI Service申请教程
kintone
kintone是我们用来存储记录的平台。我们需要创建一个名为“Reports”的应用程序（APP），并定义以下表单字段：
运行
您可以在这里找到演示代码：
GitHub - kintone-samples/SAMPLE-kintone-narrator-cn: Utilize AI to summarize video/audio content and upload it to Kintone.
点击“open in kaggle”。
请按照以下步骤操作：
1.点击Edit，进入编辑状态
2.在右侧的Notebook options中，我们需要将Acceleator选为GPU T4*2
注：
-
没验证手机的账户不会显示Acceleator选项。
-
GPU P100不支持当前默认float16运算，选择该显卡的用户请将“语音转录&对齐”中的compute_type设为float32。
-
TPU尚未测试支持。
3.找到名为“Azure OpanAI ChatGPT 总结”和“将总结内容上传”的代码单元（cell），然后根据您自己的环境设置进行配置。
4.点击页面上方的“Run All”按钮以开始运行演示。
等待程序运行结束即可。
下面我将对会每个代码单元的功能进行简要说明，感兴趣的可以继续往下研究：
Whisper + NemoASR + ChatGPT 实现语言转文字、说话人识别、内容总结等功能
相关文章：
Whisper + NemoASR + ChatGPT 实现语言转文字、说话人识别、内容总结等功能
引言 2023年，IT领域的焦点无疑是ChatGPT，然而，同属OpenAI的开源产品Whisper似乎鲜少引起足够的注意。 Whisper是一款自动语音识别系统，可以识别来自99种不同语言的语音并将其转录为文字。 如果说ChatGPT为计算机赋予了大脑&…...
795. 区间子数组个数
795. 区间子数组个数 给你一个整数数组 nums 和两个整数：left 及 right 。找出 nums 中连续、非空且其中最大元素在范围 [left, right] 内的子数组，并返回满足条件的子数组的个数。 生成的测试用例保证结果符合 32-bit 整数范围。 示例 1：…...
Request method ‘GET‘ not supported，不支持GET形式访问
org.springframework.web.HttpRequestMethodNotSupportedException: Request method ‘GET’ not supported 原因：异常提示的很明确，请求不支持GET方式访问，出现这种问题一般都是由于限制请求接口为POST，然后使用GET形式访问造成的…...
数据结构与算法(C语言版)P2---线性表之顺序表
前景回顾 #mermaid-svg-sXTObkmwPR34tOT4 {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-sXTObkmwPR34tOT4 .error-icon{fill:#552222;}#mermaid-svg-sXTObkmwPR34tOT4 .error-text{fill:#552222;stroke:#552222;}#…...
AI写文章软件-怎么选择不同的AI写文章软件
在如今信息爆炸的时代，无论是学生、职场人士，还是创作者和企业家，写文章都是一项常见而又重要的任务。然而，随着科技的不断进步，AI写文章的软件也逐渐走进了人们的视野。 147GPT批量文章生成工具www.147seo.com/post…...
VSCode远程连接服务器报错:Could not establish connection to
参考：https://blog.csdn.net/weixin_42538848/article/details/118113262 https://www.jb51.net/article/219138.htm 刚开始把ssh文件夹中的known_hosts给删除了，发现没啥用。 之后在扩展Remote-SSH里面，把config file路径设置为ssh文件夹里…...
openssl 用法整理 —— 筑梦之路
用法一 生成自签名数字证书 # 生成私钥 openssl genpkey -algorithm RSA -out private.key# 生成证书请求 openssl req -new -key private.key -out certificate.csr# 使用私钥签署证书 openssl x509 -req -days 365 -in certificate.csr -signkey private.key -out certifica…...
Mac安装SPSS 26(含安装包)
Mac安装SPSS 26(含安装包) 安装包地址(百度网盘)：https://pan.baidu.com/s/127ZJNRIMZaeR2hDilQT0Zg提取码: m5xj 查看是否允许安装任何来源的app 如果没有任何来源这个选项 打开终端输入：sudo spctl --master-disable回车之后输入password(注:电脑的…...
uniapp存值和取值方法
在UniApp中，可以使用全局变量、本地缓存和Vuex状态管理等方式来进行存值和取值。 全局变量：可以在App.vue文件的data中定义一个全局变量，在其他页面或组件中通过uni.$emit方法修改其值，并通过uni.$on方法监听值的变化。 // App.…...
Apache Beam 2.50.0发布,该版本包括改进功能和新功能
导读我们很高兴向您介绍 Beam 的新版本 2.50.0。该版本包括改进功能和新功能。请查看此版本的下载页面。 亮点 Spark 3.2.2 被用作 Spark 运行程序的默认版本（#23804）。Go SDK 新增默认本地运行程序，名为 Prism（#24789࿰…...
华为云云耀云服务器 L 实例评测｜配置教程 + 用 Python 简单绘图
文章目录 Part.I IntroductionChap.I 云耀云服务器 L 实例简介Chap.II 参与活动步骤 Part.II 配置Chap.I 初步配置Chap.II 配置安全组 Part.III 简单使用Chap.I VScode 远程连接华为云Chap.II 简单绘图 Reference Part.I Introduction 本篇博文是为了参与华为“【有奖征文】华…...
栈的简单应用（利用Stack进行四则混合运算）（JAVA）
目录 中缀表达式转后缀表达式 图解 代码实现过程： 完整代码： 利用后缀表达式求值： 完整代码： 首先我们得先了解逆波兰表达式。 中缀表达式转后缀表达式 所谓的中缀表达式其实就是我们平时写的例如：࿱…...
Python---异常
捕获全部异常 语法： try: 可能发生的错误代码 except: 如果出现异常执行的代码 例子： try:open("test2.txt", "r", encoding"UTF-8") except:print("出现异常，文件不存在，换个模式打…...
视频编解码器H.264和H265有什么区别？
对于大型视频文件来说，视频编解码器至关重要，它可以将文件压缩为较小的尺寸，从而可以更轻松地存储和加快传输速度。而两种最常用的编解码器是H.264和H.265，那么它们两者之间有什么区别，哪一个更好呢？ 1. 什…...
网络安全进阶学习第十六课——业务逻辑漏洞介绍
文章目录 一、什么是业务逻辑二、业务逻辑漏洞的成因三、逻辑漏洞的重要性四、业务逻辑漏洞分类五、业务逻辑漏洞——业务授权安全1、未授权访问2、越权访问1) 平行越权（水平越权是指相同权限的不同用户可以互相访问）2) 垂直越权（垂直越权是指…...
华为OD：跳房子I
题目描述 跳房子，也叫跳飞机，是一种世界性的儿童游戏。 游戏参与者需要分多个回合按顺序跳到第1格直到房子的最后一格 跳房子的过程中，可以向前跳，也可以向后跳。 假设房子的总格数是count，小红每回合可能连续跳的…...
C语言自定义类型详解（1）结构体知识汇总
本篇概要 本篇主要讲述C语言结构体的相关知识，包括结构体的基本声明，结构体的匿名结构，结构体的自引用，结构体变量的定义和初始化以及结构体的内存对齐等相关知识。 文章目录 本篇概要1.结构体1.1结构体的基本声明1.2结构体的特殊…...
小程序中如何查看会员的访问记录
在小程序中，我们可以通过如下方式来查看会员的访问记录。下面是具体的操作流程： 1. 找到指定的会员卡。在管理员后台->会员管理处，找到需要查看访客记录的会员卡。也支持对会员卡按卡号、手机号和等级进行搜索。 2. 查看会员卡详情。点…...
SpringCloud Alibaba - Sentinel
接上文SpringCloud Alibaba - Nacos 1.Sentinel 流量防卫兵 1.1 安装与部署 和Nacos一样，它是独立安装和部署的，下载地址https://github.com/alibaba/Sentinel/releases 下载后的jar放到目录 然后配置 启动并访问,用户名密码都是 sentinel 此时就…...
内存泄漏，内存溢出，抽象类和接口，netstat、ping、ifconfig的区别
持续学习是我们必备的技能之一，保持与时俱进，保持行业的敏感度，关注行业发展趋势，了解新技术，加强自己的认知，积极的应对变化 内存泄漏 memory leak 是指程序在申请内存后，无法释放已申请的内…...
告别虚频困扰：用VASP+DynaPhoPy搞定高温材料声子谱的保姆级教程
高温材料声子谱计算实战：从虚频困境到非谐解决方案 引言：虚频问题的根源与突破路径 在计算材料学领域，声子谱分析是理解材料动力学稳定性和热力学性质的核心手段。然而许多研究者都遭遇过这样的困境：对实验合成的材料进行简谐近似…...
AI学习 - 大模型基础入门
AI学习 - 大模型基础入门 从零开始：Ollama 安装 → 本地模型运行 → Python 代码接入 → 理解核心概念 摘要 本文记录了在 Windows 上使用 Ollama 部署本地大模型、并通过 Python 代码接入调用的完整过程。内容涵盖：Ollama 安装与模型拉取、大模型基础概…...
解密高校教师必会的Gemini 3.1 Pro五大科研隐藏技能：从论文评估到创新点锁定
各位同仁好，我是七哥。一个在高校里从事人工智能相关领域研究，钻研用大模型AI实操的学术人。可以和七哥交流学术写作或Gemini、GPT、Claude等大模型学术实操相关问题，多多交流，相互成就，共同进步。 科研路上，有人发完顶刊顺利晋升，有人还在为创新点抓耳挠腮。 大多数教…...
随机森林算法在儿童出行方式预测中的实战应用与优化
1. 项目概述：用随机森林预测孩子怎么上学做城市交通规划或者做家长接送方案的时候，你肯定想过一个问题：孩子们到底是怎么上学的？是走路、骑车、坐公交还是家长开车送？这个问题看似简单，背后却牵扯到城市规划…...
当 AI Coding 进入复杂企业系统，为什么提效远没有宣传里那么美好 ？
以 Claude Code、Codex 为代表的自主编码智能体（Coding Agents），正在以惊人的速度席卷软件开发者生态。与此同时，类似“10 倍开发效率”“普通人也能随手构建软件”“程序员即将失业”的说法，也随处可见。这种不分场景…...
Unity iOS构建报错SDK version is 0的根因与精准修复
1. 这个报错不是Unity在“发脾气”，而是工程配置在“装死”刚接手一个老项目，打开Unity编辑器，点Build Settings准备打包iOS，结果弹出一行红字：“SDK version is 0, cannot build”。我第一反应是——这什么鬼…...
终极Chrome画中画扩展：如何在浏览器中实现高效视频多任务处理
终极Chrome画中画扩展：如何在浏览器中实现高效视频多任务处理 【免费下载链接】picture-in-picture-chrome-extension 项目地址: https://gitcode.com/gh_mirrors/pi/picture-in-picture-chrome-extension 想要在浏览网页、处理文档的同时继续观看视频内容吗…...
车载诊断系统（OBD）的原理、演进与未来
本文约8,167字，建议收藏阅读 作者 | 北湾南巷 出品 | 汽车电子与软件 引 言 在现代汽车中，越来越多的故障不再表现为明显的机械损坏，而是以“亮灯”“报码”“性能异常”等电子信号的形式出现。发动机为什么亮起故障灯？排放是否达…...
TVA注意力层INT8量化配置技巧
重磅预告：本专栏将独家连载系列丛书《智能体视觉技术与应用》部分精华内容，该书是世界首套系统阐述“因式智能体”视觉理论与实践的专著，特邀美国 TypeOne 公司首席科学家、斯坦福大学博士 Bohan 担任技术顾问。Bohan先生师从美国三院院士、“…...
基于Arduino与433MHz射频的智能灯光定时系统设计与实现
1. 项目概述：告别机械定时器，打造智能灯光管家家里前后院的照明，还有出门度假时屋内的几盏灯，过去一直靠四个老旧的机械定时器来管理。说实话，这玩意儿用起来真是费劲。它的核心问题在于“死板”——你设定好晚上7点开…...