当前位置:

首页 > 业界资讯 > 视频语音转文本:几分钟搞定,少于10行代码

视频语音转文本:几分钟搞定,少于10行代码

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,可以搜索影视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

本文目录

    真快!几分钟就把视频语音识别为文本了,不到10行代码

    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,可以搜索影视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
    1. 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)
    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    业界资讯 语音识别 Rust
    上一篇: Win10无法读取txt文件的解决方法
    下一篇: PHP连接PostgreSQL数据库时遇到问题
    相关文章 更多
    rust下载安装教程详解及Windows环境配置方法
    rust下载安装教程详解及Windows环境配置方法

    详解Windows系统下Rust语言的安装步骤,重点解析rustup工具链管理机制,解决环境变量配置错误及MSVC链接器缺失问题,提供可复制的命令验证方法与常见报错的因果排查思路。

    Rust 1.93.0 稳定版发布
    Rust 1.93.0 稳定版发布

    Rust1.93.0稳定版本正式发布:musl库升级至1.2.5并完全重构DNS解析器,显著提升性能与安全性;全局分配器新增线程局部存储支持,大幅降低锁竞争;asm!宏内联新增cfg属性,显著增强条件编译能力;同时还稳定了MaybeUninit、Vec、VecDeque等多项实用API。

    WasmEdgeRustSDK发布新版本
    WasmEdgeRustSDK发布新版本

    伴随着 WasmEdge 0.10.1 发布,WasmEdge Rust bindings 的全新版本也闪亮登场:wasmedge-sdk v0.2.0 和wasmedge-sys v0.8.0。 你可以在 这里 找到相关 API 文档和源代码。下图显示了 WasmEdge Rust binding

    CnosDB涅槃重生:弃用Go,全面拥抱Rust
    CnosDB涅槃重生:弃用Go,全面拥抱Rust

    想必CnosDB社区的各位爱码士们,最近都留意到了,基于Rust版本的CnosDB Isipho已迁移至GitHub主站,而Go版本的CnosDB,社区团队也不再对其进行维护与支持了。在此,首先要向大家致以诚恳的歉意,之前计划与决策的仓促,给大家造成了不必要的困扰。但出于对社区负责的考量,这里为大家

    Salvo Rust Web 框架 0.89.0 发布
    Salvo Rust Web 框架 0.89.0 发布

    SalvoRustWeb框架0.89.0正式发布,新增salvo-tus模块,完整支持TUS协议,大幅提升大文件上传效率;改进枚举数据解析,强化表单上传限制与安全性;升级bcrypt、nix等依赖库,集成unix-sock-client,支持quinn自由选择TLS提供者;增强OpenAPI泛型识别能力,以及Depot结构化数据提取功能。

    Rust对象中的结构体、枚举、特性详解
    Rust对象中的结构体、枚举、特性详解

    1 结构体 先从结构体说起。Rust 把数据组织成整体有两种方式:元组和结构体。元组灵活但没名字,结构体给每个字段起了名字,用起来更直观。结构体在代码里很常见,用来定义常用的数据结构,每个成员叫“字段”。 1.1 简介 1.1.1 定义 Rust 的结构体与元组都可以把一堆类型不同的数据捆绑成整体,

    深入浅析Rustcollect()
    深入浅析Rustcollect()

    在Rust语言中,迭代器的`collect()`是一个重要的终端操作,主要用于消费惰性迭代器链并收集到具体的集合类型(如Vec、HashSet等)。在调用前,整个链子不执行任何操作,其类型由左值注解自动推导,从而支持灵活切换容器。

    PyTorch中怎么加载本地权重文件_使用torch.load读取pth文件
    PyTorch中怎么加载本地权重文件_使用torch.load读取pth文件

    使用torch.load加载.pth文件时常见问题包括路径错误、文件损坏、键名不匹配及设备映射不当。需通过os.path.exists检查路径,用map_location指定设备,并清洗键名前缀差异。确保文件完整性和模型结构一致,避免加载失败。

    银河麒麟下怎么安装和配置Rust开发环境
    银河麒麟下怎么安装和配置Rust开发环境

    在银河麒麟系统搭建Rust环境,需确认底层发行版,安装构建工具,用rustup配合清华镜像安装工具链,配置crates.io国内镜像,并安装rust-src组件,否则下载易卡死或编译失败。

    VSCode运行Rust代码教程 VSCode安装Rust插件方法
    VSCode运行Rust代码教程 VSCode安装Rust插件方法

    rust-analyzer仅提供代码分析与补全,不包含运行功能。运行Rust程序需通过终端或VSCode任务系统。常见问题包括:插件冲突、未正确设置环境变量导致命令找不到、未在包含Cargo.toml的目录中打开项目。确保终端可正常执行cargorun是解决一切问题的基础。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。