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