Whisper के साथ आवाज़ को टेक्स्ट में कैसे बदलें

Whisper, OpenAI का एक शक्तिशाली speech-to-text AI मॉडल है जो 99 भाषाओं में ऑडियो को टेक्स्ट में बदल सकता है। यह ऑफलाइन काम करता है और बेहद सटीक परिणाम देता है।

1. Python और pip इंस्टॉल करें. अपने कंप्यूटर में Python 3.8 या उससे नया वर्जन इंस्टॉल करें। python.org से डाउनलोड करें और इंस्टॉलेशन के दौरान 'Add Python to PATH' विकल्प चेक करें। Terminal या Command Prompt खोलकर 'python --version' टाइप करके वेरिफाई करें।
2. Whisper पैकेज इंस्टॉल करें. Terminal या Command Prompt खोलें और 'pip install openai-whisper' कमांड रन करें। इंस्टॉलेशन कुछ मिनट लग सकती है क्योंकि यह dependencies भी डाउनलोड करता है। FFmpeg भी स्वतः इंस्टॉल होगा।
3. ऑडियो फाइल तैयार करें. अपनी ऑडियो फाइल को आसान पहुंच वाली जगह रखें। Whisper MP3, WAV, M4A, FLAC और अन्य सामान्य फॉर्मेट्स को सपोर्ट करता है। फाइल का नाम सरल रखें और स्पेस के बजाय underscore का उपयोग करें।
4. मॉडल साइज़ चुनें. Whisper में पांच मॉडल साइज़ उपलब्ध हैं - tiny, base, small, medium, large। tiny सबसे तेज़ है लेकिन कम सटीक, large सबसे सटीक है लेकिन धीमा। शुरुआत के लिए base मॉडल का उपयोग करें।
5. Whisper कमांड चलाएं. Terminal में 'whisper audio_file.mp3 --model base --language Hindi' टाइप करें। अगर भाषा पहले से मालूम नहीं है तो '--language' हटा दें। Enter दबाने के बाद प्रोसेसिंग शुरू होगी और प्रगति दिखाई जाएगी।
6. परिणाम फाइलें चेक करें. प्रोसेसिंग पूरी होने पर Whisper automatically तीन फाइलें बनाता है - .txt (plain text), .vtt (subtitles), और .srt (captions)। ये सभी फाइलें original ऑडियो फाइल के same folder में मिलेंगी।
7. टेक्स्ट फाइल खोलें और एडिट करें. Generated .txt फाइल को किसी भी text editor में खोलें। जरूरत के अनुसार punctuation और spelling को ठीक करें। Whisper का accuracy बहुत अच्छा है लेकिन कभी-कभी minor corrections की जरूरत हो सकती है।