之前使用了阿里的CosyVoice实现了文字生成语音和声音的复刻,这章使用阿里的的另一个工具,SenseVoice实现语音转文字,首先需要下载好软件,这里使用docker部署,下载好整合包后:
按照顺序执行
docker load -i sensevoice.tar
docker run -d --name sensevoice --gpus all -p 7860:7860 sensevoice:1 # 有nvidia显卡
docker run -d --name sensevoice -p 7860:7860 sensevoice:1 # 没有nvdia显卡使用cpu运算
部署完成后打开ip+7860,进入首页,可以看到上面一段介绍,下面的左侧是放入的语音消息,右侧是支持的语音类型
添加语音后,会显示语音时长,可以试听以及剪辑等操作,确认无误后,点击Start按钮开始转换,如果语音不长的话很快就完成了,我的电脑没有英伟达显卡,三十个字左右的语音只需要2~3秒就完成了。
同时,SenseVoice也是支持API调用的,可以在页面的下方看到通过API使用的字,点击可以看到开发手册。
以上就是全部内容啦。可以部署好SenseVoice和CosyVoice,再对接下大模型就可以实现语音输入和语音回复了。