50系显卡无法正常转录的手动配置

[KonyCN]

原因：
NVIDIA 50 系列显卡与 faster-whisper 的默认计算类型不兼容导致。

解决方案：
打开软件根目录下的 app\core\bk_asr\faster_whisper.py 文件，搜索 str(audio_path) ，你会跳转到类似如下的代码段：

        # 基本参数
        cmd.extend(
            [
                str(audio_path),
                "-l",
                self.language,
                "-d",
                self.device,
                "--output_format",
                self.output_format,
            ]
        )

我们在 self.device, 的下方，新添加一行 "--compute_type", "float16", 或 "float32" 保存即可（注意英文逗号）。修改完毕后会像是下面这样的：

        # 基本参数
        cmd.extend(
            [
                str(audio_path),
                "-l",
                self.language,
                "-d",
                self.device,
                "--compute_type", "float16", # 指定为 float16 的数据类型
                "--output_format",
                self.output_format,
            ]
        )

关于 float16 和 float32 ，我不太懂，总之Gemini是这样说的，自行参考吧，反正都能用。

NVIDIA RTX 50系列显卡采用了为AI和神经网络渲染优化的Blackwell架构，这使得数据精度的选择对其性能表现有决定性影响。

• AI性能最大化: RTX 50系列显卡配备了第五代Tensor Cores，并首次引入了对FP4（4位浮点数）的硬件支持。这表明其架构设计旨在通过更低精度的计算来最大化AI性能和效率。因此，使用 float16 相比 float32 能更好地发挥50系列显卡的AI算力优势，实现更高的计算吞吐量。
• DLSS 4 和神经渲染: 50系列显卡的核心技术DLSS 4是基于AI的神经网络渲染技术。它通过AI模型生成游戏画面，而非完全依赖传统的光栅化计算。这种工作方式非常适合在 float16 这样的低精度下高效运行，从而在提升帧率的同时，将节省的算力用于更复杂的AI任务。
• 更高的效率和更低的显存占用: 对于AI推理和图像生成任务，使用 float16 或更低的FP4精度，能够在50系列显卡上获得远超 float32 的性能。例如，在AI出图测试中，RTX 5080在FP4模式下的速度几乎是FP8模式的两倍，而FP16同样能带来显著的效率提升和显存节省。

总结来说，对于50系列显卡，选择 float16 而非 float32 意味着可以用更少的显存和更短的时间完成计算任务，尤其是在游戏、AI应用和内容创作等核心场景中，这种优势是该系列显卡架构设计的核心体现。

[philpw99]

但奇怪的是，在实际应用中RTX5080跑faster-whisper时float32 要远远快过 float16