本文主要摘錄自參考資料中的 YouTube 影片，以下是驗證過的執行步驟。
▌1. 安裝 Python
重要提示：Whisper Github 中提及，Whisper 與 Python 3.8~3.11 相容，建議安裝較新的 3.11。
3.11.10 和 3.11.11 都是增加安全性，沒有單獨安裝檔，所以先安裝 3.11.09。
我這裡只放 Windows 64bit 和 macOS 的連結，其他版本請點擊上方安裝 Python 按鈕。
1-1. Windows installer (64-bit)
1-2. macOS 64-bit universal2 installer
安裝方式和一般的應用程式沒什麼不同，但請 一定要勾選（如圖示）最下面一行的
Add python.exe to PATH
▌2. 安裝 PyTorch
選擇你想要安裝的條件，下方會出現對應的指令，複製這些指令。
然後在命令提示字元下，貼上剛剛複製的指令（按滑鼠右鍵）：
C:\Users\User>
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
如果你有安裝 GPU卡（沒有的話，當然只能選 CPU），你可能會有一個問題：要選擇哪個 CUDA 版本？
請在命令提示字元下輸入 nvcc --version 即可，以下範例是 CUDA 11.8。
C:\Users\User>nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:41:10_Pacific_Daylight_Time_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0
▌3-1. 安裝 Chocolatey
這是為了方便安裝下一步的 ffmpeg。如果是 Mac，建議使用 Homebrew。
點擊進入 Chocolatey 安裝頁面 後，首先要選擇安裝方式，影片示範用 Individual，跟著照做，然後複製 Now run the following command 的內容（圖中右下側那個 Copy 的小按鈕）。
回到 Windows 工作列，搜尋處輸入 powershell，然後將滑鼠移至 Windows PowerShell，按滑鼠右鍵選擇「以系統管理員身分執行」。
再按滑鼠右鍵把剛剛複製的指令貼上。
Set-ExecutionPolicy Bypass -Scope Process -Force; [System.Net.ServicePointManager]::SecurityProtocol = [System.Net.ServicePointManager]::SecurityProtocol -bor 3072; iex ((New-Object System.Net.WebClient).DownloadString('https://community.chocolatey.org/install.ps1'))
▌3-2. 安裝 ffmpeg
安裝完 Chocolatey 之後，接著輸入 choco install ffmpeg 來安裝 ffmpeg。
choco install ffmpeg
▌4. 安裝 Whisper
回到 Windows 工作列，搜尋處輸入 cmd，然後將滑鼠移至 命令提示字元，按滑鼠右鍵選擇「以系統管理員身分執行」。
接著輸入 pip install -U openai-whisper，安裝 whisper。
pip install -U openai-whisper
▌開始語音辨識
接著我們來測試一下語音辨識的效果。
到音檔（mp3, wav 皆可）所在路徑，輸入以下指令（Whisper 會自動辨別是哪種語言）：
whisper test.mp3 --model medium
不選擇 model 的話，預設是用 small，以下是可選用的 model 選項。
| Size | Parameters | English-only model | Multilingual model | Required VRAM | Relative speed |
|---|---|---|---|---|---|
| tiny | 39 M | tiny.en |
tiny |
~1 GB | ~10x |
| base | 74 M | base.en |
base |
~1 GB | ~7x |
| small | 244 M | small.en |
small |
~2 GB | ~4x |
| medium | 769 M | medium.en |
medium |
~5 GB | ~2x |
| large | 1550 M | N/A | large |
~10 GB | 1x |
| turbo | 809 M | N/A | turbo |
~6 GB | ~8x |
說實話，效果真的很不錯，比我以前付費使用的線上語音辨識服務還好（速度更快、效果更好），而且還一次給你五種格式：JSON, srt, tsv, txt, vtt。
以下圖示為佛法轉識成智的語音辨識示範：
▌參考資料
▌延伸閱讀
我們在2023年7月，討論過 Whisper 這個主題，不過兩篇文章的目標完全不同。
本文和 OpenAI API 無關，目的在教你如何用 Whisper 來將語音檔轉為文字，完全免費（而且是最簡單的安裝方式，不考慮 Anaconda）。
之前那篇文章，重點在示範程式，如何在 Python 中呼叫 Whisper API：