OpenAI Whisper 音频转录实战指南

OpenAI Whisper 音频转录实战指南

Whisper 是 OpenAI 推出的开源自动语音识别（ASR）模型，在多种语言环境下表现优异。无论是播客、会议记录还是个人录音，它都能高效地将其转换为文本。

环境准备

开始之前，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（模型权重从几十 MB 到几 GB 不等，取决于选择的精度）
• 稳定的网络连接（首次运行需下载模型文件）

安装依赖

通过 pip 安装官方库即可：

pip install openai-whisper

等待安装完成，无需额外配置复杂的环境变量。

脚本使用示例

为了简化批量处理流程，我们可以编写一个封装脚本。下面是一个基础实现，支持常见音频格式并自动保存结果。

核心代码

创建一个 transcribe_audio.py 文件，内容如下：

import whisper
import os

def transcribe_audio(file_path, model_size="medium"):
    # 加载模型，首次运行会自动下载
    model = whisper.load_model(model_size)
    
    # 执行转录
    result = model.transcribe(file_path)
    
    # 创建输出目录
    output_dir = "transcripts"
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)
    
    # 保存文本
    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"已保存至：{output_file}")

if __name__ == "__main__":
    # 替换为你的音频文件路径
    audio_file = "example.mp3"
    if os.path.exists(audio_file):
        transcribe_audio(audio_file)
    else:
        print("未找到指定音频文件")

运行说明

1. 将上述代码保存为 transcribe_audio.py。
2. 确保当前目录下存在待处理的音频文件，或者修改代码中的 audio_file 路径。
3. 在终端进入脚本所在目录，执行：

python transcribe_audio.py

程序会自动下载对应大小的模型（若本地不存在），并在 transcripts 文件夹中生成对应的 .txt 转录结果。遇到错误时，控制台会直接反馈原因，方便排查。

进阶提示

• 模型选择：tiny, base, small, medium, large。越大越准确但速度越慢，内存占用越高。
• 多语言支持：默认自动检测语言，也可通过参数强制指定。
• 批量处理：结合 glob 模块可轻松遍历文件夹内所有音频文件。

这套方案既保留了灵活性，又避免了重复造轮子，适合大多数日常转写需求。