OpenAI Whisper と Streamlit を使用した音声文字起こしおよび翻訳アプリの構築
このガイドでは、Streamlit st.audio_input ウィジェットを使用してデバイスのマイクで音声を録音し、OpenAI Whisper モデルと組み合わせて音声を英語で文字に起こしたりテキストに翻訳したりする方法を説明します。後で、文字起こしされたコンテンツを .txt 形式のテキスト ファイルとしてダウンロードできます。
前提条件
- Python の基本的な知識
- ストリームリット
- OpenAI API キー。アカウントにサインアップ
ウィスパーとは
Whisper は、英語音声認識における人間レベルの堅牢性と精度に近づく、訓練されたオープンソース ニューラル ネットワークです。
OpenAI API は 2 つのエンドポイントを提供します:
- 文字起こし
- 翻訳
ストリームリットとは
公式 Web サイトより、Streamlit はデータ アプリをより迅速に構築して共有する方法です。これは、分析結果を共有し、複雑なインタラクティブなエクスペリエンスを構築し、新しい機械学習モデル上で反復処理するための Web アプリケーションを構築するのに役立つオープンソースの Python ライブラリです。
Streamlit は、テキスト、数値、日付などのユーザー入力の取り込みから、最も一般的で強力な Python グラフ作成ライブラリを使用したインタラクティブなグラフの表示まで、便利なメソッドが組み込まれているため、Python 開発者にとって最適な選択肢です。
Streamlit のインストール
Streamlit アプリを実行するには、まず次のコマンドを使用して Streamlit をインストールする必要があります。
pip install streamlit
他のライブラリのインストール
音声をテキストに変換する作業を行っているため、環境変数を安全に保存する必要があります。
pip install openai python-dotenv
環境変数の作成
ルート プロジェクト ディレクトリに新しいファイルを作成し、.env という名前を付けます。
OpenAI API キーを貼り付けます:
.env
OPENAI_API_KEY="sk-..."
アプリの作成
ディレクトリに、このファイル streamlit_app.py を作成します。このファイルには、音声を文字起こしおよび翻訳し、結果のテキストを出力するためのすべての Python コードが含まれます。
OpenAI クライアントのインスタンスを初期化するには、次のコードをコピーして貼り付けます:
streamlit_app.py
import os from dotenv import load_dotenv from openai import OpenAI load_dotenv() api_key = os.getenv('OPENAI_API_KEY') client = OpenAI()
コード ブロックは接続して .env ファイル内の秘密キーを読み取り、ユーザーとして認証されていることを確認します。
追記: OpenAI API の使用は無料ではなく、サービスを使用するにはクレジットを購入する必要があります。
ささやきによる文字起こし
次のように streamlit_app.py を更新しましょう:
streamlit_app.py
... import streamlit as st st.logo( "logo.png", size="medium", link="https://platform.openai.com/docs", ) st.title("Transcription with Whisper") audio_value = st.audio_input("record a voice message to transcribe") if audio_value: transcript = client.audio.transcriptions.create( model="whisper-1", file = audio_value ) transcript_text = transcript.text st.write(transcript_text)
文字起こし API は、st.audio_input ウィジェットを使用して音声を変換し、音声を録音します。録音が存在する場合、モデル Whisper を使用して音声の書き起こしに必要なファイル形式が作成され、文字列を取得して Web アプリに直接書き込む st.write() 関数を使用してテキストが出力されます。
アプリの左上にある正確なロゴを使用するには、これをダウンロードしてプロジェクト ディレクトリに保存します。
次に、ターミナルで次のコマンドを使用してこのアプリを実行してみましょう:
pip install streamlit
書き起こしテキストのダウンロード
文字起こしされたメッセージを後でダウンロードできる機能は、必要なときに記録を保持するのに役立ちます。
Streamlit は、ダウンロード ボタンを表示できる入力ウィジェットを提供します。 streamlit_app.py ファイルに戻り、次のようにコードベースを更新します。
streamlit_app.py
pip install openai python-dotenv
上記のコード行では次のことが発生します:
- Streamlit の st.session_state を使用すると、ユーザー セッションごとに再実行間で変数を共有できます
- transcript_text 変数には、転写されたテキストのコンテンツが含まれます
- 値が割り当てられた txt_file 変数、transcription.txt は、ファイルのダウンロード時の文字起こしされたテキストのファイル名です。
- st.download_button() の関数内で、ラベルはボタンの目的をユーザーに説明します。
st.success ステータス要素は、次のようにファイルが保存されると成功メッセージを表示します。
ささやきによる翻訳
翻訳を作成するプロセスは、文字起こしを作成するプロセスと似ています。翻訳エンドポイントは、音声ファイルの入力から外国語を英語の文章に翻訳します。
このコードをコピーして貼り付けます。
streamlit_app.py
OPENAI_API_KEY="sk-..."
翻訳した音声ファイルをテキストとして保存するファイルを作成する場合は、文字起こしをダウンロード ボタンと同じ操作を行うことができます。
完全なソース コードはこのリポジトリにあります。このアプリであなたの音声を文字に起こしてテキストに翻訳してみてください。
頑張ってください!
結論
OpenAI のドキュメントにあるように、インターネットから事前に録音された音声を使用する代わりに、Streamlit では、自分の音声を使用し、OpenAI が提供する文字起こしおよび翻訳のエンドポイントと組み合わせて、この優れたプロジェクトを作成する機会が提供されます。
テクノロジーの進歩により、デバイスのマイクは会議や通話中のコミュニケーションに使用するだけでなく、さまざまなことが可能になりました。
以上がOpenAI Whisper と Streamlit を使用した音声文字起こしおよび翻訳アプリの構築の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











Pythonは学習と使用が簡単ですが、Cはより強力ですが複雑です。 1。Python構文は簡潔で初心者に適しています。動的なタイピングと自動メモリ管理により、使いやすくなりますが、ランタイムエラーを引き起こす可能性があります。 2.Cは、高性能アプリケーションに適した低レベルの制御と高度な機能を提供しますが、学習しきい値が高く、手動メモリとタイプの安全管理が必要です。

Pythonを1日2時間学ぶだけで十分ですか?それはあなたの目標と学習方法に依存します。 1)明確な学習計画を策定し、2)適切な学習リソースと方法を選択します。3)実践的な実践とレビューとレビューと統合を練習および統合し、統合すると、この期間中にPythonの基本的な知識と高度な機能を徐々に習得できます。

Pythonは開発効率でCよりも優れていますが、Cは実行パフォーマンスが高くなっています。 1。Pythonの簡潔な構文とリッチライブラリは、開発効率を向上させます。 2.Cのコンピレーションタイプの特性とハードウェア制御により、実行パフォーマンスが向上します。選択を行うときは、プロジェクトのニーズに基づいて開発速度と実行効率を比較検討する必要があります。

PythonとCにはそれぞれ独自の利点があり、選択はプロジェクトの要件に基づいている必要があります。 1)Pythonは、簡潔な構文と動的タイピングのため、迅速な開発とデータ処理に適しています。 2)Cは、静的なタイピングと手動メモリ管理により、高性能およびシステムプログラミングに適しています。

PythonListSarePartOfThestAndardarenot.liestareBuilting-in、versatile、forStoringCollectionsのpythonlistarepart。

Pythonは、自動化、スクリプト、およびタスク管理に優れています。 1)自動化:OSやShutilなどの標準ライブラリを介してファイルバックアップが実現されます。 2)スクリプトの書き込み:Psutilライブラリを使用してシステムリソースを監視します。 3)タスク管理:スケジュールライブラリを使用してタスクをスケジュールします。 Pythonの使いやすさと豊富なライブラリサポートにより、これらの分野で優先ツールになります。

科学コンピューティングにおけるPythonのアプリケーションには、データ分析、機械学習、数値シミュレーション、視覚化が含まれます。 1.numpyは、効率的な多次元配列と数学的関数を提供します。 2。ScipyはNumpy機能を拡張し、最適化と線形代数ツールを提供します。 3. Pandasは、データ処理と分析に使用されます。 4.matplotlibは、さまざまなグラフと視覚的な結果を生成するために使用されます。

Web開発におけるPythonの主要なアプリケーションには、DjangoおよびFlaskフレームワークの使用、API開発、データ分析と視覚化、機械学習とAI、およびパフォーマンスの最適化が含まれます。 1。DjangoandFlask Framework:Djangoは、複雑な用途の迅速な発展に適しており、Flaskは小規模または高度にカスタマイズされたプロジェクトに適しています。 2。API開発:フラスコまたはdjangorestFrameworkを使用して、Restfulapiを構築します。 3。データ分析と視覚化:Pythonを使用してデータを処理し、Webインターフェイスを介して表示します。 4。機械学習とAI:Pythonは、インテリジェントWebアプリケーションを構築するために使用されます。 5。パフォーマンスの最適化:非同期プログラミング、キャッシュ、コードを通じて最適化
