真快！几分钟就把视频语音识别为文本了，不到10行代码

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

大家好，我是风筝

两年前，将音视频文件转换为文字内容的需求难以实现，但是如今只需几分钟便可轻松解决。

据说一些公司为了获取训练数据，已经对抖音、快手等短视频平台上的视频进行了全面爬取，然后将视频中的音频提取出来转换成文本形式，用作大数据模型的训练语料。

如果您需要将视频或音频文件转换为文字，可以尝试今天提供的这个开源解决方案。例如，可以搜索*节目的对话出现的具体时间点。

话不多说，进入正题。

Whisper

这个方案就是 OpenAI 开源的 Whisper，当然是用 Python 写的了，只需要简单安装几个包，然后几行代码一写，稍等片刻（根据你的机器性能和音视频长度不一），最终的文本内容就出来了，就是这么简单。

GitHub 仓库地址：https://github.com/openai/whisper

Fast-Whisper

尽管已经相当简化，但对于程序员而言仍不够精简。毕竟，程序员们往往偏爱简洁高效。虽然安装和调用Whisper已经相对容易，但仍需要单独安装PyTorch、ffmpeg，甚至Rust。

因此，Fast-Whisper应运而生，它比Whisper更快速、更简洁。Fast-Whisper并非仅仅是对Whisper进行简单封装，而是通过采用CTranslate2重新构建了OpenAI的Whisper模型。CTranslate2是Transformer模型的一种高效推理引擎。

总结一下，也就是比 Whisper 更快，官方的说法是比 Whisper 快了 4-8 倍。不仅能支持 GPU ，还能支持 CPU，连我这台破 Mac 也能用。

GitHub 仓库地址：https://github.com/SYSTRAN/faster-whisper

使用起来就两步。

1. 安装依赖包

pip install faster-whisper

2. 写代码，

from faster_whisper import WhisperModelmodel_size = "large-v3"# Run on GPU with FP16model = WhisperModel(model_size, device="cuda", compute_type="float16")# or run on GPU with INT8# model = WhisperModel(model_size, device="cuda", compute_type="int8_float16")# or run on CPU with INT8# model = WhisperModel(model_size, device="cpu", compute_type="int8")segments, info = model.transcribe("audio.mp3", beam_size=5)print("Detected language '%s' with probability %f" % (info.language, info.language_probability))for segment in segments:print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

没错，就是这么简单。

能做什么呢

正好有个朋友想做短视频，发一些鸡汤文学的视频，鸡汤就来自于一些名家访谈的视频。但是，他又不想把完整的视频看一遍，就想用最快的方式把文本内容弄下来，然后读文字，因为读文字要比看一篇视频快的多，而且还可以搜索。

我就说，连完整的看一篇视频的虔诚之心都没有，能经营好账号吗。

于是我给他做了一个，就是用的 Fast-Whisper。

客户端

客户端用 Swift ，只支持 Mac 端。

1. 选则一个视频；
2. 然后点击「提取文本」，这时会调用 Python 接口，需要等待一段时间；
3. 加载解析出的文本以及出现的开始、截止时间；
4. 选了一个开始时间和一个结束事件；
5. 点击「导出」按钮，视频片段就导出了；

，时长00:10

服务端

服务端当然就是 Python ，然后用 Flask 包装一下，对外放开接口。

from flask import Flask, request, jsonifyfrom faster_whisper import WhisperModelapp = Flask(__name__)model_size = "large-v2"model = WhisperModel(model_size, device="cpu", compute_type="int8")@app.route('/transcribe', methods=['POST'])def transcribe():# Get the file path from the requestfile_path = request.json.get('filePath')# Transcribe the filesegments, info = model.transcribe(file_path, beam_size=5, initial_prompt="简体")segments_copy = []with open('segments.txt', 'w') as file:for segment in segments:line = "%.2fs|%.2fs|[%.2fs -> %.2fs]|%s" % (segment.start, segment.end, segment.start, segment.end, segment.text)segments_copy.append(line)file.write(line + '\n')# Prepare the responseresponse_data = {"language": info.language,"language_probability": info.language_probability,"segments": []}for segment in segments_copy:response_data["segments"].append(segment)return jsonify(response_data)if __name__ == '__main__':app.run(debug=False)

# ffmpeg  # 还可以  # 有个  # 几个  # 我是  # 客户端  # 服务端  # 开源  # 音视频  # 这么简单  # 转换为  # whisper  # pytorch  # https  # transformer  # github  # 事件  # 接口  # 封装  # flask  # rust  # swift  # Python  # 抖音 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 网络优化91478 】 【 技术知识72672 】 【 云计算0 】 【 GEO优化84317 】 【 优选文章0 】 【 营销推广36048 】 【 网络运营41350 】 【 案例网站102563 】 【 AI智能45237 】

相关推荐： DeepSeek V3 本地部署对硬件要求的详细说明  C3.ai深度解析：投资者必知的关键洞察  ClickUp AI Agents：项目管理的革命性突破  AI猫咪视频创作指南：轻松打造百万级YouTube Shorts  AI绘图工具测评：告别复杂流程，高效创作流程图  Straico团队案例研究：AI赋能，效率提升的秘诀  一键生成PPT工具怎么用_一键生成PPT工具使用方法详细指南【教程】  lumen5怎样从新闻稿生成社交视频_Lumen5新闻稿转社交视频步骤【社媒】  动态规划解题：攀登楼梯的独特方法与技巧  Vidu AI：使用Q1模型轻松创建电影级短片  深入解析音视频转录：全面指南与实践技巧  AI威胁论：超人工智能ASI时代来临，人类如何应对？  普通人如何用DeepSeek月入过万？2026最新赚钱路径全解析！  如何用AI根据职位描述（JD）定制你的求职信？  AI聊天机器人：朋友还是谄媚者？深度解析与实用建议  终极游戏工作站：帝王蝎椅沉浸式体验评测  千问如何切换回答风格_千问风格选择正式口语等【实操】  ChatGPT 4.0赋能室内设计：20+实用技巧提升工作效率  暖心“小艺通话”：让语障人士告别沟通困境，拥抱平等生活  AI电影制作：颠覆传统，引领未来*新纪元  谷歌 Nano Banana：免费AI图像生成的强大工具  lovemo网页版直接进入 lovemo官网在线登录  宗教领袖影响力反思：警惕精神控制与信仰危机  看我如何用AI辅助写作，在10分钟内搞0. AI求职信写作避坑指南：千万别犯这几个错误  Midjourney怎么用一键生成壁纸_Midjourney壁纸生成教程【教程】  百度AI助手在线体验入口 最新版免费试用入口  MetaGPT：AI驱动的软件开发团队，颠覆传统编码模式  Gemini怎样用快捷指令_Gemini快捷指令使用教程【步骤】  AI图像识别如何减少保险欺诈和加速理赔  蚂蚁阿福官方网站入口_网页版在线解读体检报告  如何用文心一言写简历 快速生成高含金量求职简历方法  Napkin AI：AI驱动的文本可视化工具，轻松创建思维导图  XRAI Glass：AI赋能的增强现实眼镜，对话新体验  提升Fortnite OG游戏性能：NVIDIA控制面板最佳设置  揭秘颜值真相：社交实验的背后，你是几分？  AI音频增强和视频背景替换终极指南  DeepSeek 辅助进行硬件描述语言 Verilog 调试  ChatGPT怎么设置中文界面_ChatGPT中文设置步骤【方法】  揭秘面部和谐：打造完美脸型的终极指南  AI赋能副业：五大掘金机会，轻松开启智能创收时代  ChatGPT 提示词工程：结构化指令编写指南  研究学者如何利用现有资源提升学术影响力  Claude怎么用新功能诗歌创作_Claude诗歌创作使用【方法】  韵律分析：为什么理解音乐歌词的韵式至关重要？  轻松生成二维码：免费AI工具终极指南  PixianAI抠图怎么修复瑕疵_PixianAI瑕疵修复与手动涂抹工具【步骤】  AI合同提取指南：利用智能实现高效采购和节省成本  如何用AI自动生成Python代码 AI编程助手ChatGPT使用方法【教程】  寻宝者的发现：古董探测与文物挖掘揭秘  AI Vibe Coding: 快速打造落地页，低代码平台实战教程 

 2024-02-27