Whisper
Page undergoing cleanup after Puhti and Mahti retirement
This page contains outdated references to Puhti and/or Mahti, which have now been decommissioned. The page is undergoing changes to reflect CSC's new supercomputer Roihu.
Whisper on yleiskäyttöinen puheentunnistusmalli. Se on koulutettu laajalla monipuolisesta audiosta koostuvalla aineistolla, ja se on myös monitehtävämalli, joka pystyy suorittamaan monikielistä puheentunnistusta, puheen kääntämistä ja kielen tunnistusta.
Saatavuus
Faster-Whisper-XXL r245.4 on saatavilla Puhdissa.
Lisenssi
Faster-Whisper-XXL on lisensoitu MIT-lisenssillä.
Käyttö
CSC:n käyttäjät voivat helposti asentaa Whisperin omiin Python-virtuaaliympäristöihinsä Puhdissa ja Mahdissa. Lisäksi Puhdissa on esiasennettu Faster-Whisper-XXL -versio Whisperistä. Tämä Whisper-ympäristö voidaan aktivoida Puhdissa komennolla:
Esimerkkikomento:
Esimerkkikomento, jossa diarisaatio on käytössä:
whisper interview.mp4 --model large --language French --threads 4 --diarize pyannote_v3.0 --diarize_threads 4 --num_speakers 2 -o interview_results
Esimerkkieräajokomentosarja
Whisper pystyy hyödyntämään GPU-laskentaa tehokkaasti. Alla oleva esimerkkieräajokomentosarja varaa yhden GPU:n Whisper-ajoa varten.
#!/bin/bash
#SBATCH --account=<project>
#SBATCH --partition=gpu
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=1
#SBATCH --mem=8G
#SBATCH --time=1:00:00
#SBATCH --gres=gpu:v100:1
module load whisper
srun whisper interview.mp4 --model large --language French --threads 4 --diarize pyannote_v3.0 --diarize_threads 4 --num_speakers 2 -o interview_results