whisper-large-finetune 运行步骤 利用anaconda 执行命令 pip install -r requirements.txt 安装对应的环境 (能装好环境就行) 执行 python aishell.py 下载aishell数据集，如数据data_aishell.tgz/data_aishell.gz已经在本地，则在文件中配置对应的文件路径，同时确定解压目录 执行 python finetune.py 利用aishell数据集对whisper-large-v2进行训练，模型可以在huggingface找到openai官方下载预训练的权重文件(huggingface目前在国内被墙的厉害) 执行 python merge_lora.py 将权重文件合并 测试环境下，推理可以通过执行命令 python infer_tfs.py 进行，注意修改好要推理的音频文件路径 infer_ct2.py 依赖于转换后的CTranslate2模型，具体见注意事项部分 infer_server.py 同样依赖于转换后的CTranslate2模型，如不需要部署到线上可忽略 注意事项 如不想进行fine-tune,仅需要在 infer_tfs.py 中将模型设置为openai提供的官方模型，同样能够实现推理过程 如需加速推理，则需先执行命令 ct2-transformers-converter --model (your_model_path) --output_dir (your_output_path) --copy_files tokenizer.json preprocessor_config.json --quantization float16 理论上2中的命令对openai提供的官方模型同样有效，但本人并未尝试 显存小于20GB的建议fine-tune更小的模型
