"AI会让每个人都能成为工具创造者，打破你能力边界，有时候只需要一个想法。"
AI粉嫩特攻队，2025年3月23日。
前几天参加了一场行业闭门研讨会，满满1个半小时的干货演讲让我收获颇丰。会后，我迫不及待地想将录音整理成文字，方便日后回顾。却被提示"文件过大"、"超出免费额度"、"需要登录账号"...
"难道就没有一款既快速又准确，还能离线随时使用的音频转文字工具吗？"
突然想起我曾经写过如何用coze搭建AI笔记生成工具，但前提是要有文本。后来就有小伙伴问我有没有好用的音频转文本工具，我决定好好对待一下这个需求。
市面上的音频转文本工具其实很多，但大多存在这些问题：
-
需要将音频上传到网上（对隐私敏感的用户不友好）
-
上传大小有限制（通常不大于500MB，或更小）
-
免费额度有限
-
...
一番搜索之后，我发现了buzz，它支持whisper的多个模型和离线使用，但实测whisper-tiny比我最终选用的模型慢7~10倍，且识别准确度有待提高。比如它把"可能会有付费"识别成了"可能会有副肺"🤣
除了转换慢和偶尔出现错别字外，buzz还是不错的，尤其是支持导出srt和vtt字幕文件。但我的需求更简单：快速准确地将课程录播、会议录音等转成文本，然后用AI笔记工具整理，方便随时回顾。
再一番调研之后，我选中了这个开源项目：
SenseVoice
https://github.com/FunAudioLLM/SenseVoice
SenseVoice是一个语音基础模型，具有多种功能，包括自动语音识别(ASR)、口语语言识别(LID)、语音情感识别(SER)和音频事件检测(AED)。
对我来说，重要的是它能离线将中文音频快速准确地转成文字，而且在音频时长增加的情况下，处理时间增加不明显！实测用时如下：
不同硬件配置下，2.5w~5w字、1.5小时、1.9G大小的音频文件处理速度对比：
CPU 12th Gen Intel(R) Core(TM) i9-12900KS：耗时5分钟
NVIDIA GTX 1660Ti 6G显存：耗时2分钟
NVIDIA RTX 3090 24G显存：耗时10~15秒
基于SenseVoice项目，我决定开发一个桌面工具，感觉这样比较方便更多人使用，毕竟不是每个人都知道如何将这个开源项目部署到本地，并且快速的用起来。通常桌面应用开发是会让我望而却步的，但自从有了cursor和trae这样的AI编码神器，情况开始不一样了！
首先，trae是字节开发的AI编程神器，分为海外版和国内版。我用的是海外版，因为可以免费使用Claude 3.5和3.7，而国内版只能用DeepSeek等国内大模型。
访问https://www.trae.ai/下载trae海外版：
安装后打开trae，界面如下：
注册登录后，安装Python相关插件：
然后就可以开始开发了，我先下载了SenseVoice开源项目的源码，然后在trae中打开，然后仅保留需要的核心文件（音频转文字功能），其它文件可以先删掉。
然后，下载两个模型文件，放到新建的models目录中：
-
speech_fsmn_vad_zh-cn-16k-common-pytorch（用于检测有效语音）
-
SenseVoiceSmall（用于将语音转成文字）
然后，新建一个mydata目录，用于存放输入的音频文件和输出的txt文件。
然后，安装依赖包：
--extra-index-url https://download.pytorch.org/whl/cu118
torch==2.0.1+cu118
torchvision==0.15.2
torchaudio==2.0.2
modelscope==1.20.1
huggingface==0.0.1
huggingface_hub==0.26.3
funasr>=1.1.3
numpy<=1.26.4
gradio==5.7.1
fastapi>=0.111.1
PyQt5>=5.15.0
PyInstaller>=5.0.0(PyQt5和PyInstaller两个依赖包是我在下面与trae提供的claude聊天过程，自动添加进去的。其它依赖是SenseVoice 开源项目本身需要的。)
接下来打开trae的chat界面，选择Claude 3.5.
提出我的要求："帮我写一个桌面应用程序，支持批量上传音频文件，然后点击转换后可以看到进度条，转换成功后的文本可以显示出来，并提供保存成本地文件的功能。"
AI很快生成了app.py和build-script.py两个文件，并自动安装了PyQt5和PyInstaller依赖。执行app.py测试，很强，居然一次成功！
再试一下用build-script.py打包成exe文件，执行打包后的exe文件，果然还是报错了。
无妨，我不断把错误信息发给trae，大概3轮左右，就可以运行打包好的exe程序了。得到的界面效果如下：
本来到这应该就可以了，但是突然感觉这个界面有点太普通了。我继续让Claude帮我改改皮肤美化美化："重新设计这个代码中的皮肤，改为AI科技多巴胺风格，符合当下年轻人的审美，让人用的舒服。"AI再次惊艳到我，甚至帮我加了启动画面的代码！
接着我又让它帮我修改了一些细节，比如添加了一个最小化的按钮，加了一些申明，都是直接提要求，AI会自己思考加在哪里更合适，基本都是满意的。然后，我又得到了下面这个界面：
测试上传多个音频文件并转换，一切正常，文本显示和保存功能都没问题。没得说，没得说，只能哇塞了。
写在最后
回顾整个开发过程，我不禁再次感叹AI工具带来的变革。曾经，开发一款桌面应用对我这样的非专业开发者来说是非常难，更别说这种炫酷的效果了。而现在，借助trae这样的AI编码神器，我只需描述需求，AI就能生成符合预期的代码。
这不仅仅是技术的进步，更是创造力的解放。AI拓宽了我们创造工具的边界，让我们敢于尝试曾经觉得困难的事情。每个人都可以成为创造者，用自己的想法解决实际问题。
正如这次我用AI开发的音频转文字AI工具，它解决了离线转换大音频文件的痛点，也许正是你一直在寻找的答案。技术的意义，不正是为了让生活变得更美好吗？
我相信，随着AI工具的不断发展，我们将看到更多"外行"人创造出的惊艳作品。这就是AI的魅力所在------它不是替代人类，而是赋能我们，让不可能变为可能。
如果你也有音频转文字的需求，不妨试试这款用trae开发的AI音频转文字小工具，希望它能为你带来便利！
AI音频转文字小工具下载：微信回复"AI音频转录工具"，获取网盘下载地址和提取码。
你用trae做出过哪些好玩的作品？欢迎评论区留言。
以上，既然看到这里了，如果觉得不错，随手点个赞、分享、推荐三连吧，你的鼓励是我持续创作的动力，我们，下次再见。
AI粉嫩特攻队，内卷不灭，奋斗不止！🚀关注我，帮你把时间还给创造！✨
作者：秋水，AI粉嫩特攻队员之一，AI技术应用探索者和实践者，善于发现日常痛点并用AI技术解决问题，热衷于分享AI技术应用心得与成果。
互动交流，请联系邮箱：fennenqiushui@qq.com