TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ Whisper C# 前回、WhisperのモデルをONNXにする方法について記述した。Whisperのモデルは、単体では音声認識はできず、音声をメルスペクトログラムにする前処理と、トークンをデコードして文字列にする後処理が必要になる。 今回は、前処理と後処理をC#で実装する方法について記述する。 音声認識の流れ 以下のような流れで音声をテキストに変換する。 音声を16kHzにリサンプリングする 対数メルスペクトログラムに変換する ONNXモデルで推論する 推論結果をトークン列にする トークン列をデコードしてUTF8の文字列にする 以下ではそれぞれの処理の実装方法について記述する。 音声を16kHzにリサンプリング… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2023%2F01%2F26%2F210641" title="WhisperのモデルをONNXにする その２ - TadaoYamaokaの開発日記" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2023-01-26 21:06:41 rich https://tadaoyamaoka.hatenablog.com/entry/2023/01/26/210641 1.0 100%