← Tüm Yazılara Dön
· 3 dk

Speech-to-Text: NVIDIA GPU Hızlandırmalı Whisper Ses-Metin Dönüştürücü

#Python#AI#Whisper#CUDA#Açık Kaynak
Speech-to-Text: NVIDIA GPU Hızlandırmalı Whisper Ses-Metin Dönüştürücü

GitHub’da en çok yıldız alan açık kaynak projelerimden biri olan Speech-to-Text (★11), uzun ses kayıtlarını OpenAI Whisper modeli ve NVIDIA GPU (CUDA) hızlandırmasıyla hızlıca metne dönüştüren bir Python aracıdır.

Öne Çıkan Özellikler

  • Otomatik GPU / CPU Algılama: CUDA destekli NVIDIA GPU varsa otomatik olarak GPU üzerinde çalışır, yoksa CPU’ya düşer.
  • Esnek Model Seçenekleri: tiny, base, small, medium ve large Whisper modellerinin tamamını destekler.
  • Varsayılan Türkçe Desteği: Türkçe konuşmaları yüksek doğrulukla çözer; tek parametreyle diğer dillere kolayca geçilebilir.
  • Geniş Format Uyumluluğu: FFmpeg altyapısı sayesinde m4a, mp3, wav gibi tüm yaygın ses formatlarıyla uyumludur.
  • İlerleme ve Bellek Yönetimi: Büyük dosyalarda ilerleme takibi, süre ölçümü ve GPU VRAM bellek yönetimi içerir.

Gereksinimler

  • Python 3.8+
  • FFmpeg (brew install ffmpeg / apt install ffmpeg)
  • GPU hızlandırma için NVIDIA CUDA Toolkit ve PyTorch (pip3 install torch torchvision)

Kaynak kodları ve kurulum adımları için: github.com/yusatll/speech-to-text