使用 Whisper 转写语音的完整教学
Whisper 安装
在常见的 Python 环境中，只需要一条指令即可安装开源版 Whisper：
pip install -U openai-whisper 如果系统没有 FFmpeg，需要自行安装，否则 Whisper 可能无法处理常见的 .mp3、.wav、.m4a 文件。
Whisper 的原始仓库中包含模型介绍、支持语言列表与部分示例代码：
Whisper GitHub：
https://github.com/openai/whisper
基础转写示例（本地运行）
完成安装后，可以直接在命令行输入下列语句进行一次完整的语音转写：
whisper demo_audio.mp3 \ --model medium \ --language zh \ --task transcribe \ --output_format srt 执行后，Whisper 会自动解析音频并生成带时间轴的 .srt 文件。这种格式在视频剪辑、字幕生成和内容校对中都非常常用。
为了处理多段录音，可以将音频放入一个文件夹，并使用极简脚本进行批量转写：
#!/usr/bin/env bashset -e AUDIO_PATH="audio_inputs"MODEL="medium"forfin"$AUDIO_PATH"/*.mp3;do whisper "$f" --model "$MODEL" --language zh --task transcribe --output_format srt done此类脚本可根据需要加入日志、时间标记、自动整理文件等功能。
使用 Whisper 生态工具
随着开源社区不断扩展，已经出现多个针对 Whisper 的加速库、图形工具与 Web UI，其中包含更快的 C++ 推理、更轻量的模型格式等。整理这些扩展的一个社区列表如下：
Whisper 工具生态列表（awesome-whisper）：
https://github.com/sindresorhus/awesome-whisper
这类工具通常适合需要更高转写速度、希望图形化操作、或需要部署 Web 服务的场景。
使用 API 方式转写（无需本地模型）
若不希望在本地安装模型，也可以直接通过在线 API 上传音频并获得文本结果。这适合轻量任务、跨平台使用或没有 GPU 的环境。
官方音频处理接口说明文档如下：
OpenAI Audio / Whisper API 文档：
https://platform.openai.com/docs/guides/audio
使用 curl 的最小示例结构如下（接口名称可能因版本更新而略有调整，以官方文档为准）：
curl https://api.openai.com/v1/audio/transcriptions \ -H "Authorization: Bearer $OPENAI_API_KEY"\ -H "Content-Type: multipart/form-data"\ -F "file=@demo_audio.mp3"\ -F "model=whisper-1"\ -F "response_format=text"Python 示例也很简单：
import requests url ="https://api.openai.com/v1/audio/transcriptions" headers ={"Authorization":f"Bearer {API_KEY}"}withopen("demo_audio.mp3","rb")as f: files ={"file":("demo_audio.mp3", f,"audio/mpeg")} data ={"model":"whisper-1","response_format":"text"} resp = requests.post(url, headers=headers, data=data, files=files) text = resp.text print(text)在教学或企业流程中，这种方式通常更容易整合进自动化平台。
输出结果的后处理方式
Whisper 输出的文本有时会包含口语化表达、停顿语气词或背景对话。一般在实际使用中，会进行以下简易处理：
- 统一标点
- 校对人名、地名与专业术语
- 调整字幕显示的时长与行数
- 按段落拆分用于写文章或整理会议纪要
这种加工方式不依赖任何复杂算法，通常用基础脚本即可完成。例如从 .srt 中抽取长句作为大纲：
from pathlib import Path blocks = Path("demo_audio.srt").read_text(encoding="utf-8").split("\n\n") outline =[]for block in blocks: lines = block.split("\n")iflen(lines)>=3: text =" ".join(lines[2:])iflen(text)>40: outline.append(text)for o in outline:print("-", o)这些简单方法足以满足日常的课堂记录、播客稿件梳理、内部会议文件生成等场景。
