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
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。
- 安装依赖包
pip install faster-whisper
- 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。
- 选则一个视频；
- 然后点击「提取文本」，这时会调用 Python 接口，需要等待一段时间；
- 加载解析出的文本以及出现的开始、截止时间；
- 选了一个开始时间和一个结束事件；
- 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)
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。
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
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
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。
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，
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。
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。
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。
前言昨日，PyTorch官方在GitHub上发布了0.4.0版本，备受期待的Windows支持终于实现！现在，你可以轻松加入深度学习的队伍了！PyTorch官方在GitHub上发布了0.4.0版本，这一版本的最大亮点是正式支持Windows系统。新版本对API进行了彻底的重构，是今年最重要的更新之一。GitHub发布地址：https://github.com/pytorch/pytorch/releasesPyTorch官网：http://pytorch.org/此
PHP处理语音的核心在于借助外部工具和服务，将语音转化为文本数据。具体方法包括：1.使用GoogleCloudSpeech-to-TextAPI、MicrosoftAzureSpeechServices或AmazonTranscribe等云端语音识别API进行高精度转录；2.利用本地语音识别引擎CMUSphinx保障数据隐私；3.通过SoX和getID3()等音频处理库完成格式转换与元数据读取。选择技术时需综合考虑精度、预算、隐私、网络及开发难度，同时可通过优化音频质量、格式选择、压缩文件、缓存结果、异步
Windows 10 是一款微软推出的经典操作系统，拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起，适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
