使用 deepspeech 转录时如何使用 GPU答案

【问题标题】：How to use GPU when transcribing using deepspeech使用 deepspeech 转录时如何使用 GPU
【发布时间】：2021-12-06 23:27:05
【问题描述】：

我正在使用出色的 deepspeech 包在 Python 中转录音频文件。这是我的快速实现：

import wave
import deepspeech
import numpy as np

model_file_path = 'deepspeech-0.9.3-models.pbmm'
model = deepspeech.Model(model_file_path)
filename = 'podcast.wav'
w = wave.open(filename, 'r')
frames = w.getnframes()
buffer = w.readframes(frames)
data16 = np.frombuffer(buffer, dtype=np.int16)
text = model.stt(data16)

podcast.wav 是一个约 20 分钟的音频文件。运行text = model.stt(data16) 需要 10 多分钟（我在 10 分钟后中断了该过程），考虑到 GPU 的可用性（我正在使用 Google Colab），这出乎意料地慢。我怀疑脚本没有使用 GPU。 上面的代码还有其他实现方式来保证GPU的使用吗？我可以确认deepspeech-gpu已经安装了。

【问题讨论】：

标签： python nlp data-science transcription mozilla-deepspeech

【解决方案1】：

仅安装 deepspeech-gpu 即可。

pip install deepspeech-gpu

尝试卸载您之前安装的 CPU 版本。

pip uninstall deepspeech

您可以通过监控您的 GPU 使用情况来验证这一点。 Display GPU Usage While Code is Running in Colab

【讨论】：