whisperで遊ぶ

今回は，最近話題になっていたOpenAIの音声認識ツールwhisperを使って遊んでみたので，知見を共有します．

実行環境

• Macbook Air (M1)
• macOS Monterey: 12.6.1
• Python3.9.9
  • pyenv+virtualenv
  • local

セットアップ

基本的には公式に従って進めました．

1. ffmpegのインストール

   MacOS(brew)に従います．

   brew install ffmpeg

2. Rustが必要とのこと．それに伴ってsetuptools-rustをpip installする．

   curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh # Rustのインストール
   pip install setuptools-rust #setuptools-rustのインストール

3. Rustをインストールしたのち，cargoのパスを通す．

   echo export PATH="$HOME/.cargo/bin:$PATH" >> $HOME/.zshenv

4. shellを再起動するか，以下のコマンドを実行する．

   source "$HOME/.cargo/bin:$PATH"

5. インストール環境が揃ったので，whisperをpip installする．

   pip install git+https://github.com/openai/whisper.git 

これでwhisperが使えるはず．

コケたポイント

• 5.でgitコマンドの認証に関するエラーを吐く

  これに関して自分も引っかかった．具体的には，cargoコマンドの仕様によるもので，cargoは基本的にはssh-agentを使用して公開鍵認証をパスしてGithubに接続するようです．もちろんssh-agentに秘密鍵を登録しておかないと認証失敗します．従って解決方法は，

  1. ssh-agentに秘密鍵を登録する．
  2. cargoのオプションを指定して，ssh-agentで認証失敗したらgitコマンドでの取得をトライするようにする．

  という二択になります．

  1. ssh-agentに秘密鍵を登録する．

     Githubのssh登録に関しては他のWebサイトに任せます．以下は秘密鍵が$HOME/path/to/secret.keyにあるとします．

     ssh-add --apple-use-keychain $HOME/path/to/secret.key

     ※ssh-addの-Kオプションは--apple-use-keychainに置換えられていくらしい．

  2. cargoのオプションを指定して，ssh-agentで認証失敗したらgitコマンドでの取得をトライするようにする．

     $HOME/.cargo/configに以下を加えるだけ．

     [net]
     git-fetch-with-cli = true