python录音转文字

最近面试,有录音,想把录音快速转文字查漏补缺,但是找了几个小程序要花钱,不如直接写个脚本之际转
(下载FFmpeg 很重要)
访问 FFmpeg 官网:https://ffmpeg.org/download.html

找到 Windows 板块,点击 "Windows builds from gyan.dev"

下载 ffmpeg-release-full.7z

并需要配置环境变量

安装python依赖

复制代码
pip install openai-whisper
pip install ffmpeg-python

脚本

复制代码
import whisper

model = whisper.load_model("base")
result = model.transcribe("面试2.m4a", language="zh")
print(result["text"])
with open("transcript3.txt", "w", encoding="utf-8") as f:
    f.write(result["text"])

模型精度选择(免费)

  • base :最快,普通说话清晰够用

  • small :中文识别明显更好

  • medium :接近付费平台效果

  • large :最强,但需要显卡

另外由于我的电脑是有独显的,但是whisper没有调用到,直接用的cpu,导致转录很慢

修改方式,更新pytorch为可以兼容cuda显卡的

复制代码
pip uninstall -y torch torchvision torchaudio

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple --extra-index-url https://download.pytorch.org/whl/cu118

更新代码

复制代码
import whisper

# 加载模型,并手动移动到 GPU (cuda)
model = whisper.load_model("base").to("cuda")

# 转写时,关闭 FP16 可以避免某些兼容性警告
result = model.transcribe("面试2.m4a", language="zh", fp16=False)

print(result["text"])
with open("transcript3.txt", "w", encoding="utf-8") as f:
    f.write(result["text"])
相关推荐
starzy199018 小时前
深入理解Scala隐式类:扩展方法机制
开发语言·人工智能·scala
M--Y18 小时前
LangGraph 工作流模式
开发语言·javascript·python·langchain·大模型·llm·langgraph
岁月宁静19 小时前
DeepSeek Harness 实战与架构解析:让 Agent 从“会聊”到“能交付”
人工智能·python·agent
LiaoWL12319 小时前
NumPy 入门实战(二):向量化与余弦相似度——从 ndarray 到 Embedding
python·numpy·embedding
forest_0919 小时前
多 Agent 协作第二课:交叉验证≠独立验证
人工智能·python·算法·机器学习·prompt·agi
吴可可12320 小时前
WScript Shell操作注册表详解
开发语言
纪念 22920 小时前
C++ 算法基础 (差分)
开发语言·c++·算法
databook1 天前
时间序列数据,先拆规律还是先查异常
python·数据挖掘·数据分析
师夷长技以自愈1 天前
手搓 AI Agent 第 8 篇:从手写循环到画流程图——LangGraph 封装
人工智能·python
aifannihao1 天前
Rust 1.100 的 DropGuard:用 Python 实测失败回滚与吞异常
python·rust·异常处理·标准库·contextlib