Converta Áudio em Texto com Whisper da OpenAI, de maneira local usando a sua própria placa de vídeo
by Renato Monteiro Batista
Whisper é uma ferramenta incrível da OpenAI que permite converter facilmente arquivos de áudio em texto. Com suporte para diversos idiomas e uma potência impressionante, você pode rodá-lo completamente offline no seu próprio computador, sem custos adicionais. A única despesa é ter um computador adequado e energia.
Pré-requisitos
Para instalar o Whisper, você precisa ter o Python instalado. Recomenda-se uma placa de vídeo Nvidia com suporte a CUDA para acelerar o processo.
- Verifique a versão Python: Abra o Prompt de Comando e digite
python -Vpara verificar se o Python está instalado. A versão recomendada é a 3.9.9. - Baixe o Python: Se necessário, baixe o instalador do Python 3.9.9 (64-bit) do site oficial. Certifique-se de marcar a opção “Add to PATH” durante a instalação.
- Configuração do PATH: Adicione o caminho do Python e da pasta Scripts ao PATH do sistema.
Múltiplas versões do Python
Você pode executar múltiplas versões do python na mesma máquina, desde que instalados em diretórios diferentes e configurados no path. Caso use múltiplas versões recomendo criar uma cópia do executavel python.exe para python39.exe para evitar conflitos.
Instalação do CUDA
Verifique no site do PyTorch qual a versão do CUDA necessária. No momento que estou escrevendo esse artigo a versão mínima necessária é a 11.8 e a máxima suportada é a 12.4, optei por baixar e instalar o CUDA 11.8 do site da Nvidia.
Este passo é muito importante pois caso você não tenha o CUDA instalado ou com uma versão incompatível, o PyTorch irá instalar a versão CPU do PyTorch, que é muito mais lenta.
Instalação do PyTorch
No próprio site do PyTorch vai ter a linha de comando necessária para instalar:
python39 -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
Verificando se o PyTorch foi instalado corretamente com o cuda
import torch
print(torch.cuda.is_available()) # Deve retornar True
Instale o ffmpeg
Existem várias formas de instalar o ffmpeg, desde a compilação a partir do código fonte até a instalação de pacotes pré-compilados. Visite o site oficial ffmpeg, para todas as informações detalhadas. Nesse artigo vou optar pela instalação utilizando o Winget.
winget install "FFmpeg (Essentials Build)"
Uma das vantagens desse método é que o ffmpeg já será inserido automaticamente no PATH.
Instale o rust
Você pode instalar o Rust através do site oficial ou através do gerenciador de pacotes do Python.
pip3.9 install setuptools-rust
Instalação do Whisper
Finalmente, atendidos todos os requisitos, podemos instalar o o Whisper com o comando:
pip3.9 install git+https://github.com/openai/whisper.git
Ao final da instalação ele informará o caminho do whisper para que você possa adicionar ao PATH, no meu caso o caminho ficou %appdata%\Python\Python39\Scripts. Você pode adicionar esse caminho ao seu PATH ou copiar os arquivos para a pasta Script que já adicionamos anteriormente.
Usando o Whisper
Para transcrever um arquivo de áudio, abra o terminal na pasta onde o arquivo está localizado e execute:
whisper --model medium "seuarquivo.mp3"
Isso gerará arquivos nos formatos srt, vtt e txt7.
Espero que isso ajude! Se precisar de mais alguma coisa, é só avisar.