微信扫码
添加专属顾问
这个是现在正筹备的项目中的具体一步骤,可以说是十分关键。
废话不多说,直接来看操作步骤。
如果暂时用不上,可以先关注收藏,我后面会慢慢把这个项目的具体步骤更新到公众号文章上。
01安装 python
需要先安装 python 配置,此处需注意,必须要3.10及以上才可以。
打开 python 官网,安装 3.11 版本即可
https://www.python.org/downloads/windows/
注意,下载好安装时候,一定要勾选 add to path
安装完毕可以,可以使用 win + R 快捷键,输入 cmd 后回车
在新窗口直接输入 python,如果出现以下界面,3.11 版本,就说明安装成功了,可以进行下一步
我本身是用 Pycharm 来调用 python 程序代码,属于是个人习惯,用什么都可以。
这里我先用 Pycharm 来实现,如果你用其他编译器,遇到问题直接问 AI 即可。
02 安装必要的东西--ffmpeg
首先安装 ffmpeg,用于视频剪辑的东西,是 moviepy 这个库需要用到,可以用于从视频中提取音频。
https://www.gyan.dev/ffmpeg/builds/
随便下载一个稳定版本即可,它是一个压缩包。
解压到想要的路径下就好,还有用,一会儿要添加进 Path 环境变量。
C:\Aster\package\ffmpeg-2024-06-21-git-d45e20c37b-essentials_build\bin
打开解压后文件的 bin,然后复制路径。
按 win 键,搜索出编辑系统环境变量
按顺序找到 环境变量-Path,然后编辑-新建
输入我们刚刚复制的 bin 路径,添加后点击确定即可。
此时,win + R ,输入 cmd 回车,呼出窗口,输入 ffmpeg,如果出现下图界面,说明安装成功了
接下来我们需要安装 python 软件包
pip install opencc openai-whisper
注意,python 自带的 torch 可能会出问题,所以也需要先卸载再安装
pip uninstall torch
pip install torch
而且有可能 2.0 版的 numpy 无法运行,所以也许先卸载再安装
pip uninstall numpy
pip install numpy==1.26.4
03 准备素材,开始音频转文字
安装完毕后,只需要准备一条素材即可,可以是 MP3,也可以是 wav 格式的。
我准备的是 MP3 格式的素材
import timeimport whisperimport openccdef a2text(model_type, path):start_time = time.time()# 记录开始时间# 加载 Whisper 模型model = whisper.load_model(model_type)# 加载音频文件并进行识别result = model.transcribe(path)cc = opencc.OpenCC("t2s")res = cc.convert(result['text'])print(res)end_time = time.time()# 记录结束时间execution_time = end_time - start_time# 计算运行时间print(f"总耗时:{execution_time}")path = "test.mp3"a2text("tiny", path)
注意,第一次运行时候,会联网下载该模型,可能需要一段时间。
04 转化结果
可以看到,用了最小的模型,只需要 1s 多就能识别 10s 左右的 MP3 音频。
当然,由于是小模型,难免识别不准确,后面可以用大一点的模型来识别。
同时,也报错提醒我说,没有使用 GPU,所以精度低。
后面再出教程,如何使用本地显卡来加速推理,毕竟,买的 4090D 可不能浪费了呀。
关于不同模型的识别速度,后面再做一期评测~
04
openai 开源的 Whisper 模型,有多个版本,主要看你的电脑配置,配置需求从低到高分别是:
也可以是 tiny、base、small、medium、large
按需更改即可,当然,越好的模型,需要配置越高。
05
我是想象力AI,写过很多个有意思的自动化机器人,有小红书自动发图、抖音自动涨粉、和微信自动加好友拉群等等。
往期文章:
用 AI 帮忙养狗?Kimi 助我一臂之力,居然把小狗训练成了小机灵鬼
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-06-29
8G 内存足以,最适合 NAS 的本地「多模态模型」,极空间+MiniCPM
2026-06-29
腾讯刚开源了个好东西:BrowserSkill 让 AI Agent 直接用你的浏览器
2026-06-29
WeKnora详解(一):腾讯开源的 LLM 知识框架,5 分钟跑通你的第一个问答机器人
2026-06-29
腾讯WeKnora开源详解(四):企业治理与开发者工具
2026-06-29
DeepSeek 再蒸新模型:这次选的是 Qwen3 和 Gemma4!Llama 这次上不了桌
2026-06-28
BrowserBC:克隆人类点击,让一次网页操作转化为所有Agent的能力
2026-06-27
腾讯混元发布 PhoneBuddy:4B 开源手机 Agent,在 AndroidWorld 上超越 Gemini3.1 Pro
2026-06-27
本地部署 Gemma 4 26B QAT 实践记录
2026-04-09
2026-04-03
2026-04-01
2026-04-18
2026-04-18
2026-06-22
2026-04-02
2026-05-10
2026-05-06
2026-05-20
2026-06-16
2026-05-30
2026-05-16
2026-04-22
2026-04-21
2026-04-15
2026-04-09
2026-04-01
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。