WhisperBot：整合了Mistral大型语言模型的实时语音转文本系统

项目简介

欢迎来到 WhisperBot。WhisperBot 基于 WhisperLive 和 WhisperSpeech 的功能而构建，在实时语音到文本管道之上集成了大型语言模型 Mistral (LLM)。WhisperLive 依赖于 OpenAI Whisper，这是一个强大的自动语音识别 (ASR) 系统。Mistral 和 Whisper 都经过优化，可作为 TensorRT 引擎高效运行，从而最大限度地提高性能和实时处理能力。

特征

实时语音转文本：利用 OpenAI WhisperLive 将口语实时转换为文本。

大型语言模型集成：添加大型语言模型 Mistral，以增强对转录文本的理解和上下文。

TensorRT 优化：Mistral 和 Whisper 都经过优化，可作为 TensorRT 引擎运行，确保高性能和低延迟处理。

先决条件

安装 TensorRT-LLM 来构建 Whisper 和 Mistral TensorRT 引擎。自述文件为 TensorRT-LLM 构建了一个 docker 镜像。除了构建 docker 镜像之外，我们还可以参考 README 和 Dockerfile.multi 在基础 pytroch docker 镜像中安装所需的包。只要确保使用 dockerfile 中提到的正确的基础镜像，一切都会顺利进行。

构建 Whisper TensorRT 引擎

将工作目录更改为 TensorRT-LLM 中的耳语示例目录。

cd TensorRT-LLM/examples/whisper

目前，默认情况下 TensorRT-LLM 仅支持 large-v2 和 large-v3 。在此存储库中，我们使用 small.en 。

下载所需的资源。

wget --directory-prefix=assets assets/mel_filters.npz https://raw.githubusercontent.com/openai/whisper/main/whisper/assets/mel_filters.npz # small.en modelwget --directory-prefix=assets https://openaipublic.azureedge.net/main/whisper/models/f953ad0fd29cacd07d5a9eda5624af0f6bcf2258be67c92b79389873d91e0872/small.en.pt

编辑 build.py 以支持 small.en 。为此，请将 "small.en" 添加为列表 choices 中的项目。

构建 small.en TensorRT 引擎。

pip install -r requirements.txtpython3 build.py --output_dir whisper_small_en --use_gpt_attention_plugin --use_gemm_plugin --use_layernorm_plugin --use_bert_attention_plugin --model_name small.en

构建 Mistral TensorRT 引擎

将工作目录更改为 TensorRT-LLM 文件夹中的 llama 示例目录。

cd TensorRT-LLM/examples/llama

将 Mistral 转换为 fp16 TensorRT 引擎。

 python build.py --model_dir teknium/OpenHermes-2.5-Mistral-7B \ --dtype float16 \ --remove_input_padding \ --use_gpt_attention_plugin float16 \ --enable_context_fmha \ --use_gemm_plugin float16 \ --output_dir ./tmp/mistral/7B/trt_engines/fp16/1-gpu/ \ --max_input_len 5000 --max_batch_size 1

构建 Phi TensorRT 引擎

注意：Phi 仅在主分支可用，尚未发布。因此，请确保从主分支构建 TensorRT-LLM。

将工作目录更改为 TensorRT-LLM 文件夹中的 phi 示例目录。

cd TensorRT-LLM/examples/phi

构建 phi TensorRT 引擎

git lfs install git clone https://huggingface.co/microsoft/phi-2 python3 build.py --dtype=float16 \ --log_level=verbose \ --use_gpt_attention_plugin float16 \ --use_gemm_plugin float16 \ --max_batch_size=16 \ --max_input_len=1024 \ --max_output_len=1024 \ --output_dir=phi_engine \ --model_dir=phi-2>&1 | tee build.log

项目链接

https://github.com/collabora/WhisperBot