常連

### 実現したいこと
OpenAI のWhisperをローカル環境に構築・使用して、会議の音声ファイルを文字起こししようとしています。
CPUでしか動作せず、すごく遅いので、GPU（CUDA）で処理したいです。

### 前提・要望
・AIを勉強中のpython初心者です。
・解決策が理想ですが、設定確認方法や参考URLやアドバイスなんでも情報が頂ければありがたいです。

### 発生している問題・エラーメッセージ
Whisperを、下記device指定（CUDA）で起動するとCUDAがないとエラーが発生します。

起動時入力コマンド
whisper 20230403.wav --model medium --device cuda --language Japanese
エラーメッセージ
raise RuntimeError('Attempting to deserialize object on a CUDA '
RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.

デバイス指定なしの以下コマンドで、Pytorch＋CPUモードで動作し、文字起こしできます。遅いです。
whisper 20230403.wav --model medium --language Japanese

### 該当のソースコード
python

### 試したこと
・Stable DeffusionでAI画像生成はPytorch＋CUDAモードで動作する

・pyコマンドではpytorch+CPUで認識している
PS C:\Users\xxx> py -c "import torch; print(torch.__version__, torch.cuda.is_available())"
1.13.1+cpu False

・python上ではpytorch+CUDAを認識している
>>> import torch
>>> torch.__version__
'1.13.1+cu117'
>>> torch.cuda.is_available()
TRUE

### 補足情報（FW/ツールのバージョンなど）
以下の環境です
GPU:NVIDIA Geforce RTX 3070 Laptop GPU
OS：Windows 11 Home 22H2
torch:1.13.1+cu117
pyenv:pyenv 3.1.1
python:Python 3.10.9
pyenv global:3.10.9
CUDA:11.7
CUDA Tool Kit:V11.7.64
CuDnn:8.9.0
システム環境変数：CUDA_PATH,CUDA_PATH_V11_7,CUDNN の3種設定
インストールツール:pip使用


OpenAI のWhisper がCPUモードで動作する、GPU（CUDA）モードで使用したい

### 実現したいこと
Python3.10.12
Flask3.0.2
openai(モジュール)1.12.0
を使用しております。

こちらでopenai chatgpt3.5にメッセージを送信したい


### 発生している問題・分からないこと
現バージョンのopenaiモジュールにはChatCompletionがないみたいでエラーになる

できれば、最新バージョンのモジュールを使用したいので、このバージョンでメッセージを送るにはどうすればよいかが知りたい

### エラーメッセージ
```error
AttributeError: module 'openai' has no attribute 'ChatCompletion'
```

### 該当のソースコード

```
   response = openai.ChatCompletion.create(
      engine="text-davinci-003",
      prompt=question,
      max_tokens=500
    )
```

### 試したこと・調べたこと
- [x] teratailやGoogle等で検索した
- [x] ソースコードを自分なりに変更した
- [ ] 知人に聞いた
- [ ] その他

##### 上記の詳細・結果
最新のopenaiにはChatCompletionがないらしい
openaiのバージョンを戻せば出来るらしい


### 補足
最新バージョンのopenaiで動作するようにしたい

Python--Flaskでopenaiにメッセージを送ろうとするとエラーが出る

長文で恐縮ですが、よろしくお願い致します。

**実現したい事**
openAIのwhisperを使用して音声ファイルを文字起こしする機能をpythonで実装したいのですが、
AttributeError: module 'ffmpeg' has no attribute 'input'というエラーが発生します。


**発生している問題・エラーメッセージ**
AttributeError: module 'ffmpeg' has no attribute 'input'

下記に示すソースコードの最終行：
result = model.transcribe(path, verbose=True, language='ja')の部分でエラーとなります

**----------エラーの全文は下記の通りです---------**
AttributeError Traceback (most recent call last)
File ~\anaconda3\envs\venv\lib\site-packages\whisper\audio.py:42, in load_audio(file, sr)
38 try:
39 # This launches a subprocess to decode audio while down-mixing and resampling as necessary.
40 # Requires the ffmpeg CLI and `ffmpeg-python` package to be installed.
41 out, _ = (
---> 42 ffmpeg.input(file, threads=0)
43 .output("-", format="s16le", acodec="pcm_s16le", ac=1, ar=sr)
44 .run(cmd=["ffmpeg", "-nostdin"], capture_stdout=True, capture_stderr=True)
45 )
46 except ffmpeg.Error as e:

AttributeError: module 'ffmpeg' has no attribute 'input'

During handling of the above exception, another exception occurred:

AttributeError Traceback (most recent call last)
Input In [31], in ()
----> 1 result = model.transcribe(path, verbose=True, language='ja')
2 print(['result'].text)

File ~\anaconda3\envs\venv\lib\site-packages\whisper\transcribe.py:84, in transcribe(model, audio, verbose, temperature, compression_ratio_threshold, logprob_threshold, no_speech_threshold, condition_on_previous_text, **decode_options)
81 if dtype == torch.float32:
82 decode_options["fp16"] = False
---> 84 mel = log_mel_spectrogram(audio)
86 if decode_options.get("language", None) is None:
87 if not model.is_multilingual:

File ~\anaconda3\envs\venv\lib\site-packages\whisper\audio.py:111, in log_mel_spectrogram(audio, n_mels)
109 if not torch.is_tensor(audio):
110 if isinstance(audio, str):
--> 111 audio = load_audio(audio)
112 audio = torch.from_numpy(audio)
114 window = torch.hann_window(N_FFT).to(audio.device)

File ~\anaconda3\envs\venv\lib\site-packages\whisper\audio.py:46, in load_audio(file, sr)
38 try:
39 # This launches a subprocess to decode audio while down-mixing and resampling as necessary.
40 # Requires the ffmpeg CLI and `ffmpeg-python` package to be installed.
41 out, _ = (
42 ffmpeg.input(file, threads=0)
43 .output("-", format="s16le", acodec="pcm_s16le", ac=1, ar=sr)
44 .run(cmd=["ffmpeg", "-nostdin"], capture_stdout=True, capture_stderr=True)
45 )
---> 46 except ffmpeg.Error as e:
47 raise RuntimeError(f"Failed to load audio: {e.stderr.decode()}") from e
49 return np.frombuffer(out, np.int16).flatten().astype(np.float32) / 32768.0

AttributeError: module 'ffmpeg' has no attribute 'Error'
**----------エラーの全文ここまで---------**

 **該当のソースコードは下記の通りです**
import whisper
import ffmpeg
model = whisper.load_model("small")
path = "7008004_DiscA_01.mp3"
result = model.transcribe(path, verbose=True, language='ja')
**ソースコードはここまで**

 **試したこと、調べたこと**

[https://github.com/kkroening/ffmpeg-python/issues/174](url)
上記のサイトに書かれているffmpegについてffmpeg, ffmpeg-python, python-ffmpegなどのパッケージを
pip installでinstallしてそれぞれのパッケージで試してみましたがうまくいきませんでした。

オーディオファイルのpathを変えたり、場所をデスクトップからpythonの実行ファイルと同じディレクトリに移してもダメでした。

- 補足情報
Jupyter NotebookとVisual Studion Codeの両方で同様のエラー

- 開発環境
　Windows10
　conda version : 22.9.0
   python version : 3.9.12
　ffmpeg-python  0.2.0
　whisper 1.0
　IDE:Jupyter Notebook

非エンジニアのPython１年生ですが、どうかご教授お願い致します。### 前提



open AI whisperでｍｐ3の日本語音声ファイルを認識して文字起こしをしたい

### 前提

ここに質問の内容を詳しく書いてください。
（例）
スプレッドシートでGPT関数を使いたくお思い
実装中に以下のエラーメッセージが発生しました。

### 実現したいこと

ここに実現したいことを箇条書きで書いてください。
下記のエラーをなくして、スプレッドシート上でGPT関数を使える様に

### 発生している問題・エラーメッセージ

```
Exception: Request failed for https://api.openai.com/ returned code 429. Truncated server response: {
    "error": {
        "message": "You exceeded your current quota, please check your plan and billing details.",
        "type": "insufficient_q... (use muteHttpExceptions option to examine full response)
```

### 該当のソースコード

```
/**

* GPT-3 and Google Sheets

*
* @param {string} prompt Prompt.
* @param {number} temperature (Optional) Temperature.
* @param {string} model (Optional) GPT-3 Model.
* @return Response returned by GPT-3.
* @customfunction
*/

const SECRET_KEY = "API keysで取得したSECRETKEYを入力";

//const MAX_TOKENS = 10;
const MODEL_NAME = "text-davinci-003"; // more structured and deterministic: for data
//const MODEL_NAME = "davinci"; // more flexible and creative: for stories, chatbots
const MODEL_TEMP = 0.3;

function GPT(prompt,max_tokens=30) {
const url = "https://api.openai.com/v1/completions";

const payload = {
model: MODEL_NAME,
prompt: prompt,
temperature: MODEL_TEMP,
//max_tokens: MAX_TOKENS,
max_tokens: max_tokens
};

const options = {
contentType: "application/json",
headers: { Authorization: "Bearer " + SECRET_KEY },
payload: JSON.stringify(payload),
};

const res = JSON.parse(UrlFetchApp.fetch(url, options).getContentText());
return res.choices[0].text.trim();
} 
```

### 試したこと
API KEYを別アカウントで取得して再度試した。

### 補足情報（FW/ツールのバージョンなど）
下記のサイトをもとに試しました。
https://news.yahoo.co.jp/byline/kandatoshiaki/20230124-00334132

無料では使えず、有料でないと難しいのでしょうか。

GPT関数をスプレッドシート上で使用する際に起きたエラー

### 実現したいこと
OpenAIのWhisper上でWhisper_micでリアルタイム文字起こしをしようとしています。
以下のURLに従っています。
参考URL：https://www.kkaneko.jp/ai/repot/micrecog.html
起動時にエラーが発生してしまうので、エラー回避法、調査方法、同現象経験等アドバイスお願いします。

### 前提
Whisper_micを導入し、PowerShellで以下のコマンドで起動すると、エラーが発生しました。
※Pytorch+CUDA認識させるためにpythonをexeファイル指定で起動しています。
cd whisper_mic
C:\Users\xxx\.pyenv\pyenv-win\versions\3.10.9\python.exe mic.py --model medium

### 発生している問題・エラーメッセージ
C:\Users\xxx\.pyenv\pyenv-win\versions\3.10.9\python.exe mic.py --model medium
Say something!
Exception in thread Thread-1 (record_audio):
Traceback (most recent call last):
  File "C:\Users\magma\whisper_mic\mic.py", line 50, in record_audio
    audio = r.listen(source)
  File "C:\Users\magma\.pyenv\pyenv-win\versions\3.10.9\lib\site-packages\speech_recognition\__init__.py", line 465, in listen
    assert source.stream is not None, "Audio source must be entered before listening, see documentation for ``AudioSource``; are you using ``source`` outside of a ``with`` statement?"
AssertionError: Audio source must be entered before listening, see documentation for ``AudioSource``; are you using ``source`` outside of a ``with`` statement?

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "C:\Users\magma\.pyenv\pyenv-win\versions\3.10.9\lib\threading.py", line 1016, in _bootstrap_inner
    self.run()
  File "C:\Users\magma\.pyenv\pyenv-win\versions\3.10.9\lib\threading.py", line 953, in run
    self._target(*self._args, **self._kwargs)
  File "C:\Users\magma\whisper_mic\mic.py", line 45, in record_audio
    with sr.Microphone(sample_rate=16000) as source:
  File "C:\Users\magma\.pyenv\pyenv-win\versions\3.10.9\lib\site-packages\speech_recognition\__init__.py", line 189, in __exit__
    self.stream.close()
AttributeError: 'NoneType' object has no attribute 'close'

### 該当のソースコード
    def __exit__(self, exc_type, exc_value, traceback):
        try:
            self.stream.close()
        finally:
            self.stream = None
            self.audio.terminate()

### 試したこと
以下powershellコマンドでも同じエラーでした。
python mic.py --model medium

### 補足情報（FW/ツールのバージョンなど）
OpenAIのWhisperで音声ファイルからGPUモードで文字起こしは成功しています。
マイク認識ツールは未導入です。
以下の環境です
GPU:NVIDIA Geforce RTX 3070 Laptop GPU
OS：Windows 11 Home 22H2
torch:1.13.1+cu117
pyenv:pyenv 3.1.1
python:Python 3.10.9
pyenv global:3.10.9
CUDA:11.7
CUDA Tool Kit:V11.7.64
CuDnn:8.9.0
システム環境変数：CUDA_PATH,CUDA_PATH_V11_7,CUDNN の3種設定
インストールツール:pip使用
numba              0.56.4
numpy              1.23.5   (1.24.0以降はバグがあるためダウングレード）



OpenAIのWhisper上でWhisper_micでリアルタイム文字起こし起動時にAttributeError

### 実現したいこと

numyとthreadingでOpen AI gym のcartpole-v1を学習させたい

### 前提
https://qiita.com/s05319ss/items/2fe9bfe562fea1707e79

上の記事を参考にA3CでOpen AI gym のcartpole-v1を学習させているが、うまく学習ができない

### 発生している問題・エラーメッセージ
獲得報酬が20ほどであり、最大報酬である300(私が報酬をいじっています)を獲得できるよううまく学習ができていない


### 該当のソースコード

```Python
import numpy as np
import gym
import matplotlib.pylab as plt
import random
import threading
import copy

class Environment:
    def __init__(self,batchsize=1):
        self.batchsize=batchsize
        self.state=np.zeros((batchsize, 4))
        self.step=np.zeros(batchsize)
        self.score=np.zeros(batchsize)
        self.flag=np.ones(batchsize).astype(bool)
        self.environment=gym.make('CartPole-v1', render_mode='rgb_array')
        initial_state, info = self.environment.reset()
        for i in range(4):
            self.state[0][i] = initial_state[i]
            
    def transition(self,action):
        a = np.copy(action)
        for i in range(self.batchsize):
            next_state, reward, terminated, truncated, info = self.environment.step(int(a[i]))
            self.flag[i] = not terminated
            if self.flag[i]==True:
                self.score[i]+= reward
                self.step[i]+=1
                if self.step[i]>=200:
                    self.flag[i]=False
                    self.score[i]+= 100
            else:
                self.score[i]+= (-1)
            for j in range(4):
                self.state[i][j] = next_state[j]
        

    def initialize(self, flag=None):
        if flag is None:
            flag = np.ones(self.state.shape[0], dtype=bool)
        self.state[flag]*=0
        self.step[flag]*=0
        self.score[flag]*=0
        self.flag[flag]=np.ones(np.sum(flag)).astype(bool)
        initial_state, info = self.environment.reset()
        for i in range(4):
            self.state[0][i] = initial_state[i]


# Agent to play the above RL task with finite, discrete action space.
class Agent_Ex1_Discrete:
    def __init__(self):
        self.sharedbody=SharedBody()
        self.vhead=Affine()
        self.pihead=Affine()
        self.V=None
        self.probdist=None
        self.a=None
        self.action_kinds=None
        self.H=None
        self.action_number = 2
        
    def action(self,state,params):
        s=copy.deepcopy(state)
        latentvect=self.sharedbody.forward(s,params['sharedbody'])
        self.V=self.vhead.forward(latentvect,params['vhead'])
        preprobdist=self.pihead.forward(latentvect,params['pihead'])
        self.probdist=softmax(preprobdist)
        self.action_kinds = np.zeros(self.probdist.shape[0])
        self.a=np.zeros([self.probdist.shape[0],self.action_number])
        for i in range(self.action_kinds.shape[0]):
            self.action_kinds[i] = np.random.choice(a=self.action_number,p=self.probdist[i, :])
            self.a[i][int(self.action_kinds[i])] = 1
        self.H=-np.sum(self.probdist*np.log(self.probdist),axis=1).reshape(-1,1)
        return self.a
  #def gradsは元の記事と同じ
　def initialparams(self):
        params={}
        params['sharedbody']={}
        params['vhead']={}
        params['pihead']={}
        params['sharedbody']['W1']=np.random.randn(4,10)* 0.01
        params['sharedbody']['b1']=np.zeros(10)
        params['sharedbody']['W2']=np.random.randn(10,10)/np.sqrt(10)
        params['sharedbody']['b2']=np.zeros(10)
        params['vhead']['W']=np.random.randn(10,1)/np.sqrt(10)
        params['vhead']['b']=np.zeros(1)
        params['pihead']['W']=np.random.randn(10,2)/np.sqrt(10)
        params['pihead']['b']=np.zeros(2)
        return params

#def softmax,class SharedBody,class Affine, class Sigmoid, class Tanhは元の記事と同じ

    
# Global computation in the A3C algorithm.
class A3C:
    def __init__(self,t_max,T_max,agents,environments,params=None,gamma=0.99,alpha=0.99,learningrate=7e-4,vweight=0.5,entropyweight=0.01,epsilon=0.1,epoch=10):
        self.t_max=t_max
        self.T_max=T_max
        self.N=len(agents)
        self.gamma=gamma
        self.lr=learningrate
        self.kappa=vweight
        self.beta=entropyweight
        self.epsilon=epsilon
        self.c=epoch
        self.scorehistory=np.array([])
        if params==None:
            self.params=agents[0].initialparams()
        else:
            self.params=params.copy
        self.g={}
        for key1 in self.params.keys():
            self.g[key1]={}
            for key2 in self.params[key1].keys():
                self.g[key1][key2]=np.zeros_like(self.params[key1][key2])
        self.alpha=alpha
        self.T=0
        self.threadinstances={}
        for i in range(self.N):
            self.threadinstances[i]=A3Cthread(agents[i],environments[i])
        self.accumulatedscores=0.0
        self.numberofsamples=0
    def update(self,threadinstance):
        while self.T<self.T_max:
            eta=-self.T*self.lr/float(self.T_max)+self.lr
            threadgrads,cnt,ifterminated,threadscore=threadinstance.grads(self.params,self.gamma,self.t_max,self.kappa,self.beta)
            for key1 in self.params.keys():
                for key2 in self.params[key1].keys():
                    self.g[key1][key2]*=self.alpha
                    self.g[key1][key2]+=(1-self.alpha)*threadgrads[key1][key2]**2
                    self.params[key1][key2]-=eta*threadgrads[key1][key2]/np.sqrt(self.g[key1][key2]+self.epsilon)
            self.T+=cnt
            self.accumulatedscores+=ifterminated*threadscore
            self.numberofsamples+=ifterminated
            if self.numberofsamples>self.c:
                self.scorehistory=np.append(self.scorehistory,self.accumulatedscores/float(max(1,self.numberofsamples)))
                self.accumulatedscores*=0
                self.numberofsamples*=0
                print(str(self.T)+" steps done with average score:")
                print(self.scorehistory[-1])
    def train(self):
        threads=[]
        for i in range(self.N):
            threads.append(threading.Thread(target=self.update,args=(self.threadinstances[i],)))
        for i in range(self.N):
            threads[i].start()
        for i in range(self.N):
            threads[i].join()
        return self.params

# Local computation for each A3C thread.
class A3Cthread:
    def __init__(self,agent,environment):
        self.agent=agent
        self.environment=environment
        self.environment.initialize()
        self.t=0
        self.vlast=None
        self.alast=None
        
    def grads(self,globalparams,gamma,t_max,kappa=0.5,beta=0.01):
        params={}
        grads={}
        for key1 in globalparams.keys():
            params[key1]={}
            grads[key1]={}
            for key2 in globalparams[key1].keys():
                params[key1][key2]=globalparams[key1][key2].copy()
                grads[key1][key2]=np.zeros_like(globalparams[key1][key2])
        gradstoaccumulate={}
        rewards={}
        vvalues={}
        t_start=self.t
        while bool((self.t-t_start<t_max)*(np.prod(self.environment.flag))):
            rewards[self.t]=-self.environment.score.copy()
            if bool((self.t>0)*(self.t==t_start)):
                a=self.alast.copy()
                vvalues[self.t]=self.vlast.copy()
            else:
                a=self.agent.action(self.environment.state,params)
                vvalues[self.t]=self.agent.V.copy()
            gradstoaccumulate[self.t]=self.agent.grads(1,2*kappa,beta)
            self.environment.transition(self.agent.action_kinds)
            rewards[self.t]+=self.environment.score.copy()
            self.t+=1
        self.alast=self.agent.action(self.environment.state,params)
        self.vlast=self.agent.V.copy()
        R=self.vlast
        for i in range(self.t-t_start):
            R=gamma*R+rewards[self.t-i-1]
            for key1 in globalparams.keys():
                for key2 in globalparams[key1].keys():
                    grads[key1][key2]-=np.sum(R-vvalues[self.t-i-1])*gradstoaccumulate[self.t-i-1][0][key1][key2]+gradstoaccumulate[self.t-i-1][1][key1][key2]
        threadscore=np.sum(self.environment.score.copy())
        ifterminated=not(bool(np.prod(self.environment.flag)))
        if ifterminated:
            self.environment.initialize()
        return grads,self.t-t_start,ifterminated,threadscore

# Showing how the agent with finite, discrete action space performs before training.
testagent=Agent_Ex1_Discrete()
untrainedparams=testagent.initialparams()
testenvironment=Environment()
while np.sum(testenvironment.flag)>0:
    a=testagent.action(testenvironment.state,untrainedparams)
    testenvironment.transition(testagent.action_kinds)
print("Average performance of the agent with finite, discrete action space before training:")
print(np.sum(testenvironment.score))
# Training the agent.
agents=[Agent_Ex1_Discrete()]
environments=[Environment()]
for i in range(7):
    agents.append(Agent_Ex1_Discrete())
    environments.append(Environment())
trainer=A3C(t_max=5,T_max=90000,agents=agents,environments=environments)
print("Training the agent by the A3C algorithm:")
trainedparams=trainer.train()
scorehistory_discrete=trainer.scorehistory.copy()
# Showing how the A3C-trained agent with finite, discrete action space performs.
testagent=Agent_Ex1_Discrete()
testenvironment=Environment()
while np.sum(testenvironment.flag)>0:
    a=testagent.action(testenvironment.state,trainedparams)
    testenvironment.transition(testagent.action_kinds)
print("Average performance of the A3C-trained agent with finite, discrete action space:")
print(np.sum(testenvironment.score))
```

### 試したこと

T_maxを大きめに取ったりはしていますがうまくいってないです



A3Cでcarttpole-v1の学習がうまくいっていない件

### 前提
話題になっているwhisperで音声認識を試そうとしたところ以下のようなエラーが出ました。
ある動画から2分間の音声ファイルを抽出し、out_exe.mp3という名前で出力しました。
ファイルパスはgooglecolab上で/content/out_exe.mp3になっています。

### 実現したいこと

音声認識をできるようにしたい。

### 発生している問題・エラーメッセージ

```
Traceback (most recent call last)
<ipython-input-64-cad93362898e> in <module>
----> 1 model.transcribe("out_exe.mp3")

18 frames
/usr/local/lib/python3.7/dist-packages/whisper/transcribe.py in transcribe(model, audio, verbose, temperature, compression_ratio_threshold, logprob_threshold, no_speech_threshold, condition_on_previous_text, **decode_options)
     88             print("Detecting language using up to the first 30 seconds. Use `--language` to specify the language")
     89         segment = pad_or_trim(mel, N_FRAMES).to(model.device).to(dtype)
---> 90         _, probs = model.detect_language(segment)
     91         decode_options["language"] = max(probs, key=probs.get)
     92         if verbose is not None:

/usr/local/lib/python3.7/dist-packages/torch/autograd/grad_mode.py in decorate_context(*args, **kwargs)
     25         def decorate_context(*args, **kwargs):
     26             with self.clone():
---> 27                 return func(*args, **kwargs)
     28         return cast(F, decorate_context)
     29 

/usr/local/lib/python3.7/dist-packages/whisper/decoding.py in detect_language(model, mel, tokenizer)
     59             for j, c in zip(tokenizer.all_language_tokens, tokenizer.all_language_codes)
     60         }
---> 61         for i in range(n_audio)
     62     ]
     63 

/usr/local/lib/python3.7/dist-packages/whisper/decoding.py in <listcomp>(.0)
     59             for j, c in zip(tokenizer.all_language_tokens, tokenizer.all_language_codes)
     60         }
---> 61         for i in range(n_audio)
     62     ]
     63 

/usr/local/lib/python3.7/dist-packages/whisper/tokenizer.py in all_language_codes(self)
    226     @lru_cache()
    227     def all_language_codes(self) -> Tuple[str]:
--> 228         return tuple(self.decode([l]).strip("<|>") for l in self.all_language_tokens)
    229 
    230     @property

/usr/local/lib/python3.7/dist-packages/whisper/tokenizer.py in <genexpr>(.0)
    226     @lru_cache()
    227     def all_language_codes(self) -> Tuple[str]:
--> 228         return tuple(self.decode([l]).strip("<|>") for l in self.all_language_tokens)
    229 
    230     @property

/usr/local/lib/python3.7/dist-packages/whisper/tokenizer.py in decode(self, token_ids, **kwargs)
    139 
    140     def decode(self, token_ids: Union[int, List[int], np.ndarray, torch.Tensor], **kwargs):
--> 141         return self.tokenizer.decode(token_ids, **kwargs)
    142 
    143     def decode_with_timestamps(self, tokens) -> str:

/usr/local/lib/python3.7/dist-packages/transformers/tokenization_utils_base.py in decode(self, token_ids, skip_special_tokens, clean_up_tokenization_spaces, **kwargs)
   3428         """
   3429         # Convert inputs to python lists
-> 3430         token_ids = to_py_obj(token_ids)
   3431 
   3432         return self._decode(

/usr/local/lib/python3.7/dist-packages/transformers/utils/generic.py in to_py_obj(obj)
    115         return {k: to_py_obj(v) for k, v in obj.items()}
    116     elif isinstance(obj, (list, tuple)):
--> 117         return [to_py_obj(o) for o in obj]
    118     elif is_tf_available() and _is_tensorflow(obj):
    119         return obj.numpy().tolist()

/usr/local/lib/python3.7/dist-packages/transformers/utils/generic.py in <listcomp>(.0)
    115         return {k: to_py_obj(v) for k, v in obj.items()}
    116     elif isinstance(obj, (list, tuple)):
--> 117         return [to_py_obj(o) for o in obj]
    118     elif is_tf_available() and _is_tensorflow(obj):
    119         return obj.numpy().tolist()

/usr/local/lib/python3.7/dist-packages/transformers/utils/generic.py in to_py_obj(obj)
    116     elif isinstance(obj, (list, tuple)):
    117         return [to_py_obj(o) for o in obj]
--> 118     elif is_tf_available() and _is_tensorflow(obj):
    119         return obj.numpy().tolist()
    120     elif is_torch_available() and _is_torch(obj):

/usr/local/lib/python3.7/dist-packages/transformers/utils/generic.py in _is_tensorflow(x)
     97 
     98 def _is_tensorflow(x):
---> 99     import tensorflow as tf
    100 
    101     return isinstance(x, tf.Tensor)

/usr/local/lib/python3.7/dist-packages/tensorflow/__init__.py in <module>
     35 import typing as _typing
     36 
---> 37 from tensorflow.python.tools import module_util as _module_util
     38 from tensorflow.python.util.lazy_loader import LazyLoader as _LazyLoader
     39 

/usr/local/lib/python3.7/dist-packages/tensorflow/python/__init__.py in <module>
     35 
     36 from tensorflow.python import pywrap_tensorflow as _pywrap_tensorflow
---> 37 from tensorflow.python.eager import context
     38 
     39 # pylint: enable=wildcard-import

/usr/local/lib/python3.7/dist-packages/tensorflow/python/eager/context.py in <module>
     27 import six
     28 
---> 29 from tensorflow.core.framework import function_pb2
     30 from tensorflow.core.protobuf import config_pb2
     31 from tensorflow.core.protobuf import coordination_config_pb2

/usr/local/lib/python3.7/dist-packages/tensorflow/core/framework/function_pb2.py in <module>
     14 
     15 
---> 16 from tensorflow.core.framework import attr_value_pb2 as tensorflow_dot_core_dot_framework_dot_attr__value__pb2
     17 from tensorflow.core.framework import node_def_pb2 as tensorflow_dot_core_dot_framework_dot_node__def__pb2
     18 from tensorflow.core.framework import op_def_pb2 as tensorflow_dot_core_dot_framework_dot_op__def__pb2

/usr/local/lib/python3.7/dist-packages/tensorflow/core/framework/attr_value_pb2.py in <module>
     14 
     15 
---> 16 from tensorflow.core.framework import tensor_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__pb2
     17 from tensorflow.core.framework import tensor_shape_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__shape__pb2
     18 from tensorflow.core.framework import types_pb2 as tensorflow_dot_core_dot_framework_dot_types__pb2

/usr/local/lib/python3.7/dist-packages/tensorflow/core/framework/tensor_pb2.py in <module>
     14 
     15 
---> 16 from tensorflow.core.framework import resource_handle_pb2 as tensorflow_dot_core_dot_framework_dot_resource__handle__pb2
     17 from tensorflow.core.framework import tensor_shape_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__shape__pb2
     18 from tensorflow.core.framework import types_pb2 as tensorflow_dot_core_dot_framework_dot_types__pb2

/usr/local/lib/python3.7/dist-packages/tensorflow/core/framework/resource_handle_pb2.py in <module>
    148   ,
    149   'DESCRIPTOR' : _RESOURCEHANDLEPROTO,
--> 150   '__module__' : 'tensorflow.core.framework.resource_handle_pb2'
    151   # @@protoc_insertion_point(class_scope:tensorflow.ResourceHandleProto)
    152   })

SystemError:google/protobuf/pyext/descriptor.cc:358: bad argument to internal function

```

### 該当のソースコード

```python
import whisper

model = whisper.load_model("base")
print(model.transcribe("out_exe.mp3"))
```


whisperで音声認識を試したいが、エラーが出てしまう。

### 実現したいこと

Pythonのmlxライブラリを用いてWhisperで文字起こしをしたいです。
- [ ]  GitHubに記載のサンプルを動かしたところ、エラーが発生したので対処したいです

### 前提

Apple siliconに対応したライブラリmlxのサンプル、Whisperを動かしています。環境構築を実施後、iPhoneで録音したm4aファイルをフォルダに置き、ソースコードを実行しています。

### 発生している問題・エラーメッセージ

```
whisper/whisper/decoding.py", line 550, in _get_audio_features
    raise TypeError(
TypeError: audio_features has an incorrect dtype: float32
```

### 該当のソースコード

```Python
import whisper
text = whisper.transcribe(speech_file)["text"]
```
を実行したところ、上記のエラーメッセージとなります。該当する５５０行目を含む関数の定義は以下となります。

```python
    def _get_audio_features(self, mel: mx.array):
        if self.options.fp16:
            mel = mel.astype(mx.float16)

        if mel.shape[-2:] == (
            self.model.dims.n_audio_ctx,
            self.model.dims.n_audio_state,
        ):
            # encoded audio features are given; skip audio encoding
            audio_features = mel
        else:
            audio_features = self.model.encoder(mel)

        if audio_features.dtype != (mx.float16 if self.options.fp16 else mx.float32):
            raise TypeError(
                f"audio_features has an incorrect dtype: {audio_features.dtype}"
            )
```

### 試したこと
astype(mx.float32)をどこかに入れれば良いのか？とも思いましたが、各関数の連携を読みきれていません。
勉強不足ではありますが、どなたかご教示いただけませんでしょうか？

### 補足情報（FW/ツールのバージョンなど）
使用しているマシンはMac mini/ M2 Pro / 16GBメモリです。
CondaによりPython3.10環境を構築し、あとは GitHubに記載通りの手順を踏んで環境設定をしています。

 GitHubのページはこちらになります。
https://github.com/ml-explore/mlx-examples/tree/main/whisper

参考にさせていただいたページ
https://zenn.dev/noplan_inc/articles/f68a885497922f

OpenAI Gym