基于 OpenAI Whisper 的音频转录实战指南

基于 OpenAI Whisper 的音频转录实战指南

OpenAI 推出的 Whisper 模型在语音识别领域表现优异，适用于播客、讲座及日常录音转写。它支持多种语言，且对噪声有一定的鲁棒性。

环境准备

确保你的开发环境满足以下要求：

• Python 3.7 或更高版本
• 足够的磁盘空间（模型大小从几十 MB 到几 GB 不等）
• 网络连接（首次运行需下载模型权重）

安装 Whisper

使用 pip 安装官方库非常简单：

pip install openai-whisper

转录脚本实现

为了批量处理音频文件，我们可以编写一个简单的 Python 脚本。相比外部提供的资源，本地化脚本更利于维护和安全。

脚本功能

• 支持 mp3、wav、m4a、flac 等多种格式
• 自动创建结果文件夹
• 可选模型大小（tiny, base, small, medium, large）
• 实时进度显示

代码示例

创建一个名为 transcribe_audio.py 的文件，写入以下内容：

import whisper
import os

def transcribe_audio(file_path, model_size="base"):
    print(f"正在加载 {model_size} 模型...")
    model = whisper.load_model(model_size)
    
    print(f"开始转录：{file_path}")
    result = model.transcribe(file_path)
    
    output_dir = "transcripts"
    os.makedirs(output_dir, exist_ok=True)
    output_file = os.path.join(output_dir, f"{os.path.basename(file_path)}.txt")
    
    with open(output_file, "w", encoding="utf-8") as f:
        f.write(result["text"])
        
    print(f"转录完成，结果已保存至：{output_file}")
    return result

if __name__ == "__main__":
    # 替换为你的音频文件路径
    audio_file = "example_audio.mp3"
    if os.path.exists(audio_file):
        transcribe_audio(audio_file)
    else:
        print("未找到音频文件，请检查路径。")

运行说明

进入脚本所在目录，执行命令：

python transcribe_audio.py

注意：首次运行时会自动下载模型，请耐心等待。后续运行将直接调用缓存。

常见问题

• 显存不足：尝试使用更小的模型（如 tiny 或 base）。
• 中文识别不准：确保音频清晰，或在参数中指定 language="zh"。

这样我们就完成了基础的音频转录流程。