现在已经有很多非常不错的语音转文本的AI应用了，比如通义听悟、飞书妙记等。不过，对于大批量、多个文件夹的语音转文本，手工操作就比较麻烦了，还是有个程序自动化运行更方面。
Whisper 是一个由 OpenAI 开发的开源语音识别库，旨在将音频内容转换为文本。它使用深度学习模型来识别和转录语音，支持多种语言和多种音频格式。借助这个开源免费的Whisper库，可以很方便的实现批量语音转文本。
在kimichat对话框中输入提示词：
你是一个Python编程专家，要完成一个Python脚本的编写任务，具体步骤如下：
打开文件夹：D:\CHATGPT For TikTok TikTok Mastery with CHATGPT
文件夹里面有多个子文件夹，子文件夹中有mp3格式的音频，读取子文件夹中的所有音频文件；
用openai-whisper库将mp3格式音频识别为和音频同名的文本文档，然后保存在和mp3音频的同一个文件夹中；
注意：Whisper语音模型使用medium模型，要识别的音频为英文内容
下面是openai-whisper库的使用示例：
import whisper
model = whisper.load_model("medium")
result = model.transcribe("audio.mp3")
print(result["text"])
这是kimichat给出的Python源代码：
import os
import whisper
定义 Whisper 模型路径
MODEL_PATH = "medium" # 这里我们直接使用 "medium" 字符串，因为根据你的描述，不需要指定具体的模型文件路径
定义音频文件夹路径
AUDIO_FOLDER = 'D:\\CHATGPT For TikTok TikTok Mastery with CHATGPT'
初始化 Whisper 模型
model = whisper.load_model(MODEL_PATH)
遍历文件夹中的所有子文件夹和文件
for root, dirs, files in os.walk(AUDIO_FOLDER):
for file in files:
检查文件是否为 mp3 格式
if file.endswith('.mp3'):
构建 mp3 文件的完整路径
mp3_path = os.path.join(root, file)
构建文本文件的完整路径
text_path = os.path.splitext(mp3_path)[0] + '.txt'
使用 Whisper 模型识别音频并生成文本
try:
result = model.transcribe(mp3_path)
保存文本到文件
with open(text_path, 'w', encoding='utf-8') as f:
f.write(result["text"])
print(f'Transcription saved: {text_path}')
except Exception as e:
print(f'Error transcribing audio from {mp3_path}: {e}')
print('Transcription process completed.')
由于whisper库依赖pyTorch，所以还要安装其他几个库。而这几个库由于版本兼容问题，可能会发生冲突，所以最好使用conda生成虚拟的Python环境，然后安装在这个虚拟环境中。
用conda创建一个3.9版本的Python环境：conda create n myenv python=3.9
在这个虚拟环境中安装whisper库：pip install openai-whisper -i https://pypi.tuna.tsinghua.edu.cn/simple
安装pytorch库：conda install pytorch torchvision torchaudio cpuonly -c pytorch
whisper 在处理音频文件时会用到 ffmpeg，也需要安装，下载地址：https://github.com/BtbN/FFmpeg-builds/releases，安装完成后，然后将ffmpeg.exe所在文件夹路径在系统环境变量设置中添加到变量Path中。
接下来，在vscode里面设置好使用这个虚拟的Python3.9版本环境：
View------command palette------select interpreter------Python3.9.19
这些都设置好之后，就可以在虚拟环境中运行Python程序了：
运行时出现一个警告：d:\anaconda\envs\myenv\lib\site-packages\whisper\transcribe.py:115: UserWarning: FP16 is not supported on CPU; using FP32 instead
warnings.warn("FP16 is not supported on CPU; using FP32 instead")
这个警告信息 UserWarning: FP16 is not supported on CPU; using FP32 instead 是由于尝试在 CPU 上使用半精度（FP16）浮点数进行计算，但 CPU 不支持 FP16 运算，因此回退到使用单精度（FP32）浮点数。
在深度学习中，FP16 可以提供更快的计算速度和减少内存使用，但需要特定的硬件支持，比如支持 FP16 运算的 GPU。如果你在 CPU 上运行代码或者 GPU 不支持 FP16，那么库会自动回退到使用 FP32，这是一个完全兼容但计算速度较慢的选项。
这个警告通常不会影响程序的运行，只是表明性能可能不是最优的。如果你希望消除这个警告，可以采取以下措施之一：
使用支持 FP16 的 GPU：如果你有支持 FP16 的 GPU，确保你的环境已经正确安装并配置了相应的驱动和库（如 CUDA 和 cuDNN）。这样，当你在 GPU 上运行代码时，就可以利用 FP16 提升性能。
忽略警告：如果你不打算使用 FP16 支持的硬件，可以选择忽略这个警告。在 Python 中，你可以使用 warnings 库来忽略特定类型的警告：
import warnings
warnings.filterignore("UserWarning", message="FP16 is not supported on CPU; using FP32 instead")
将上述代码添加到你的脚本中，可以在运行时忽略这个特定的警告信息
直接忽略这个警告就好，程序运行结果良好：
