從零在win10上測試whisper、faster-whisper、whisperx在CPU和GPU的各自表現(xiàn)情況

Anaconda是什么？

Anaconda 是一個開源的 Python 發(fā)行版本，主要面向數(shù)據(jù)科學(xué)、機器學(xué)習(xí)和數(shù)據(jù)分析等領(lǐng)域。它不僅包含了 Python 解釋器本身，更重要的是集成了大量的用于科學(xué)計算、數(shù)據(jù)分析和機器學(xué)習(xí)相關(guān)的第三方庫，并且提供了一個強大的包管理和環(huán)境管理工具——Conda。
通過Conda可以在一臺電腦上，創(chuàng)建多個python的環(huán)境，非常自由的進行切換。
以下是 Anaconda 的主要特點和功能：

• 便捷的環(huán)境管理：Anaconda 通過其內(nèi)置的包管理器 Conda，使得創(chuàng)建、管理和切換不同的 Python 環(huán)境變得極為簡單。用戶可以在不同項目之間輕松配置獨立的環(huán)境，每個環(huán)境中可以安裝特定版本的 Python 和其他庫，避免了不同項目依賴之間的沖突。

• 豐富的數(shù)據(jù)科學(xué)工具：安裝 Anaconda 時會附帶一系列常用的數(shù)據(jù)科學(xué)庫，如 NumPy、Pandas、Matplotlib、Scikit-learn 等，以及 Jupyter Notebook 這樣的交互式開發(fā)環(huán)境。還包括其他有用的工具，例如 Spyder IDE（集成開發(fā)環(huán)境）和 IPython 終端等，這些都為數(shù)據(jù)科學(xué)家提供了開箱即用的一站式解決方案。

• 高效的包管理：Conda 不僅可以管理 Python 包，還能管理非 Python 軟件包，如R語言相關(guān)包或 C/C++ 編譯器等。Conda 能夠智能地解決復(fù)雜的軟件依賴關(guān)系，確保所有庫和組件都能正確安裝和協(xié)同工作，極大地提高了開發(fā)效率。

• 跨平臺支持：Anaconda 支持 Windows、Linux 和 MacOS 等多種操作系統(tǒng)，便于在不同的開發(fā)平臺上統(tǒng)一使用和部署。

下載anaconda并在window上安裝

https://www.anaconda.com/download/success

這是anaconda的官網(wǎng)下載地址

這里要注意python的版本，盡量跟它保持一致，點擊下載之后，如果網(wǎng)絡(luò)好的話等待一會兒就下載完畢了。

下載完畢后，打開exe進行安裝

這里安裝時間可能會久一些，請多耐心等待一會兒吧。

確實等了蠻久的時間的，但具體忘記了，可能大致在15-20分鐘左右吧，千等萬等終于安裝成功了

此時用命令行來查看還是不行的，因為沒有配置環(huán)境變量

以此點擊：我的電腦=> 右鍵屬性=>高級系統(tǒng)設(shè)置=>環(huán)境變量=> Path =>編輯
將下面的五個路徑添加到 Path中去

注意替換成你的安裝路徑

D:\ProgramData\anaconda3
D:\ProgramData\anaconda3\Scripts 
D:\ProgramData\anaconda3\Library\mingw-w64\bin
D:\ProgramData\anaconda3\Library\usr\bin 
D:\ProgramData\anaconda3\Library\bin

點擊三次確定之后，再在命令行中運行

這樣說明真正的安裝成功了，下面再來看看如何使用

conda如何來使用呢

• 基礎(chǔ)命令

// 查看版本
conda -V

// 查看安裝了那些包
conda list

//查看當前存在哪些虛擬環(huán)境
conda env list 或 conda info -e

//檢查更新當前conda
conda update conda 

// 使用conda安裝python依賴
conda install xxxx

• 創(chuàng)建一個虛擬環(huán)境

因為我之前電腦上安裝的就是3.11.2的版本，所以在這里直接繼續(xù)指定python版本為3.11.2

conda create -n python3112 python=3.11.2

此時可以查看window電腦上擁有那些虛擬環(huán)境

conda env list

激活環(huán)境

conda activate python3112

首次執(zhí)行上面的命令可能需要使用 conda init ,執(zhí)行完畢后關(guān)閉當前shell腳本命令，再重新打開執(zhí)行激活環(huán)境的命令

退出虛擬環(huán)境

conda deactivate

注意：看上面我是直接在CMD下使用的命令，比如如果你想在git bash下運行conda的話

echo ". /d/ProgramData/anaconda3/etc/profile.d/conda.sh" >>~/.profile

上面替換成自己的安裝目錄，執(zhí)行完畢之后，關(guān)閉命令窗口，重新打開一個新的便可以執(zhí)行 conda命令了

conda安裝成功之后，安裝依賴盡量使用conda 來，就不要使用pip了

初始使用了幾天的conda,感覺還不錯

如何在window上開啟GPU

首先使用 cmd 命令行輸入 nvidia-smi ，在第一行最右邊可以看到CUDA的版本號，我的版本是12.3

https://pytorch.org/get-started/locally/
打開網(wǎng)址選擇一個比較靠近的版本

最終選擇完生成命令為

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

如果有卡住的可能就是網(wǎng)絡(luò)有問題了，可以直接到鏡像源進行下載安裝 https://download.pytorch.org/whl/torch_stable.html

這里也需要你的耐心等待喲，因為Pytorch 的安裝包還是不小的。

多等一會兒，出現(xiàn)done則代表安裝成功了，然后在命令行中輸入pip list則可以看到torch相關(guān)的包都安裝了

CUDA是什么：CUDA是NVIDIA推出的一種編程技術(shù)。它允許開發(fā)者使用C語言來編寫能在NVIDIA的圖形處理器上運行的代碼。通過CUDA，開發(fā)者可以將GPU用于通用的并行計算，大大提高了計算效率。
CUDA的一個重要特點是，它允許軟件開發(fā)者直接使用NVIDIA的GPU來執(zhí)行某些計算密集型的任務(wù)。這是因為GPU內(nèi)部有許多并行處理單元，可以同時執(zhí)行許多計算任務(wù)，從而大大提高了計算速度。
另外，CUDA還提供了一套完整的開發(fā)工具鏈，包括編譯器、調(diào)試器和性能分析器，使得開發(fā)者可以更方便地開發(fā)和優(yōu)化CUDA程序。

接下來直接驗證CUDA是否可用，直接繼續(xù)命令行中輸入 python

import torch
torch.cuda.is_available()

如果輸出為true則代表可以使用GPU顯卡了

準備whisper、faster-whisper、whisperX的測試代碼

import whisper
from whisper.utils import get_writer
import os
import time
import torch
import os   #引用OS
from faster_whisper import WhisperModel
import whisperx
import gc 

def whisperx_test():
    device = "cpu" 
    model_size = "large-v3"
    audio_file = "test.mp4"
    batch_size = 16
    compute_type = "int8" 

    # widnow CPU
    model = whisperx.load_model("large-v3", device, compute_type=compute_type)

    # window GPU
    # model = whisperx.load_model("large-v3", "cuda", compute_type="float16")

    audio = whisperx.load_audio(audio_file)
    result = model.transcribe(audio, batch_size=batch_size)

    print(result["segments"])

def faster_whisper_test(): 
    model_size = "large-v3"

    ## window cpu
    model = WhisperModel(model_size, device="cpu", compute_type="int8", cpu_threads=16)
    
    # window gpu
    # model = WhisperModel(model_size, device="cuda", compute_type="float16")
    segments, info = model.transcribe("test.mp4", beam_size = 5)

    print("Detected language '%s' with probability %f" % (info.language, info.language_probability))

    for segment in segments:
        print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

def whisper_test():

    os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE'

    filename = "test.mp4"   

    ## window GPU  cuda
    ## window CPU  cpu
    ## mac CPU cpu
    ## mac GPU
    model = whisper.load_model("large-v3",device="cuda")
    result = model.transcribe(audio=filename, fp16 =False)
    output_directory = "."

    word_options = {
    "highlight_words": True,
    "max_line_count": 50,
    "max_line_width": 3
    }

    srt_writer = get_writer("srt", output_directory)
    srt_writer(result, filename, word_options)

if __name__ == "__main__":
    # print(torch.cuda.is_available())
    start_time = time.time()  # 開始時間
    print("start time:", start_time)
    # whisper_test()
    # faster_whisper_test()
    whisperx_test()
    end_time = time.time()  # 結(jié)束時間
    print("Execution time: ", end_time - start_time, "seconds")

三個開源項目的地址分別是：

• https://github.com/openai/whisper
• https://github.com/AlexxIT/FasterWhisper
• https://github.com/m-bain/whisperX

根據(jù)代碼要進行安裝依賴,也是我從三個開源項目的readme中可以找到安裝依賴的命令

// 安裝openai-whisper
pip install -U openai-whisper --user
//或者
pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git

// 安裝faster-whisper
pip install faster-whisper
//或者
pip install git+https://github.com/openai/whisper.git 


//安裝whisperx
pip install git+https://github.com/m-bain/whisperx.git

//如果運行后，看到ffmpeg not found 
要記得安裝一下ffmpeg

當然上面的pip也可以換成conda

準備了三個方法

• whisper_test 來測試openai官網(wǎng)發(fā)布的whisper
• faster_whisper_test來測試改進版的faster_whisper
• whisperx來測試基于faster_whisper再次改進的版本
  測試的時候，我是準備了一個30秒的小視頻 test.mp4。
  然后分為CPU和GPU進行分別測試。

根據(jù)測試情況進行注釋上述方法即可,運行如下命令即開啟測試

python main.py

在這里先附上我的電腦配置，其實是比較一般的

window上測試openai的whisper

• 先來看GPU測試情況
  我先打開任務(wù)管理器 => 性能 => GPU

沒進行測試的時候GPU的占用其實很少的，如果一旦開啟了GPU測試就可以看到下圖所示的GPU內(nèi)存占用

最終在GPU運行的情況下，我測試了三次

window-whisper-GPU:大致平均150秒

• 再來測試CPU的情況
  運行之后我的CPU直接100%，直接拉滿了

同樣，再使用CPU的情況下，測試了三次

看來我這個GPU顯卡還是非常一般的，竟然沒有CPU的快

window-whisper-CPU:大致平均100秒

window上測試faster-whisper

• 先來看GPU測試情況

同樣分三次進行測試大致也就是50秒左右，在GPU的情況下，內(nèi)存占用居然比whisper的少了近一半，難道速度也能提升一半嗎？

window-faster-whisper-GPU: 大致平均50秒左右
沒想到真的提升了速度，而且不止一半，真不錯

• 再來測試CPU的情況

同樣的CPU接近100%了，但是內(nèi)存好像比原來少了差不多一半

window-faster-whisper-CPU: 大致平均50秒左右

window上測試whisperX

GPU 測試三次

window-whisperX-GPU: 大致平均36秒左右
CPU 測試三次

window-faster-whisperX-CPU: 大致平均43秒左右

沒想到的是whisperx在faster-whisper的基礎(chǔ)上還有提升

mac上運行whisper

本來還想繼續(xù)在mac上測試，發(fā)現(xiàn)除了openai的whisper能在CPU下運行，其他的跑起來都有問題，可能也是我自己的問題吧

mac-openai-whisper-CPU:大致50秒左右
這是自Mac M1 Pro上做的測試

總結(jié)一下

我只是進行簡單的測試做了一個對比。mac的CPU還是非常強大的，當然了價格也擺在了那里。

我這里測試的時候也沒有進行過多的參數(shù)調(diào)整，有時間的話可以進行比如 int8、float16、float32等等其他的多組測試數(shù)據(jù)。

接下來看看有機會再來試試另外兩個開源模型

• https://github.com/sanchit-gandhi/whisper-jax
• https://github.com/ggerganov/whisper.cpp