使用Whisper免费将语音转录为多种格式逐字稿

你是否也常需要将会议录音或访谈内容转录为文字？由于撰写逐字稿既费时又费力，这时候不妨利用 AI 工具将录音转换为文字。本文将介绍由 OpenAI 团队推出的自动语音识别 (ASR) 系统「Whisper」。根据 OpenAI 在 Github 上的说明文件，Whisper 是一个开源的语音识别模型，目前可识别全球约 96 种语言，并将其转换为文字。以中文的识别准确度而言，Whisper 已达到相当高的水平。由于 Whisper 是开源技术，用户只需拥有 Google 帐号和指令代码即可完成设置。下载并安装到电脑后，即可不受开发商限制地免费使用 Whisper 来执行语音识别和转录任务。

Whisper 安装代码：!pip install git+https://github.com/openai/whisper.git

Ffmpeg 安装代码：!sudo apt update && sudo apt install ffmpeg

语音转文字执行代码：!whisper "文件名（需要替换）.mp3" --model medium

步骤 1：登录 Google 帐号，打开 Google Drive，点击左上角「+New」，下拉找到更多，然后点击「连接更多 App」。

步骤 2：首次操作会打开「Google Workspace」应用市场，在搜索栏输入并选择「Google Colaboratory」。

步骤 3：点击「Install」进行安装并选择「Continue」继续操作。系统会要求使用 Google 帐号登录，按照指示完成安装。

步骤 4：返回 Google Drive 首页，再次点击左上角「+New」，在更多选项中选择「Google Colaboratory」应用。

步骤 5：打开后，可先更改文件名称，以便后续快速查找与重复使用。

步骤 6：点击上方栏位的「执行阶段」，选择「更改执行阶段类型」。

步骤 7：此时可以选择不同的运行类型和计算资源。请选择「Python 3」和「T4 GPU」，然后点击「保存」。

步骤 8：在窗口右上角找到「连接」字样，点击并等待连接成功。

步骤 9：连接完成后，可以看到计算机的参数，包括 GPU、内存和硬盘信息。

步骤 10：接下来安装 Whisper，在中间栏的第一行和第二行分别输入 Whisper 安装代码和 ffmpeg 安装代码，并点击运行。

步骤 11：安装完成后，依次点击左侧的文件夹图标，选择「上传文件」，将需要转录的 MP3 文件上传。

步骤 12：点击「+代码」，输入语音转文字执行代码。确保文件名和后缀与上传的文件一致，最后点击运行。