OpenAI Whisperのタイムスタンプを出力する方法

whisperの文字お越しでタイムスタンプ

どうやらデフォでタイムスタンプを出力させることができるようだ

model = whisper.load_model(VOICE_TYPE)
result = model.transcribe(audio_name, fp16=False, verbose=True)

ただverbose=Trueはあくまでログとして出力されるだけ。

それならモジュールを直接いじろうと思ったんですが、

どうやらresultの中身にタイムデータも入ってたことに今更気づいた・・・

{'text': 'わずもキゅうき',
'segments': [{'id': 0,
'seek': 0,
'start': 0.0,
'end': 4.5,
'text': 'わずもキゅうき',
'tokens': [50364, 9206, 18216, 4801, 15535, 824, 227, 2646, 7016, 50589],
'temperature': 1.0,
'avg_logprob': -2.158733194524592,
'compression_ratio': 0.7,
'no_speech_prob': 0.16119693219661713}],
'language': 'ja'}

※引用元

model = whisper.load_model(VOICE_TYPE)
result = model.transcribe(audio_name, fp16=False)

for i in result['segments']:
    print(f"{i['start']} --> {i['end']}")
    print(i["text"])

簡単だった。