ymybxx / transcribe

语音转文字

用本机的 whisper.cpp，不联网、不花钱。

在哪

• 程序：whisper-cli（一般在 /opt/homebrew/bin/whisper-cli）。没有的话这台电脑没装，告诉用户运行 brew install whisper-cpp，这次跳过回听。

• 模型：工作台根目录下的 data/programs/whisper/，用多语言模型（文件名里没有 .en），中文推荐 ggml-medium.bin（1.5 GB）或 ggml-small.bin（480 MB）。目录里没有就下载到这里：
  curl -L -o data/programs/whisper/ggml-small.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

怎么用

1. 先转成 16 kHz 单声道 wav：ffmpeg -y -i <输入> -ar 16000 -ac 1 /tmp/x.wav
2. 转文字：whisper-cli -m <模型> -l zh -f /tmp/x.wav -oj -of <输出前缀>，结果在 <输出前缀>.json，每段有起止时间和文字。英文内容用 -l en，混着说用 -l auto。
3. 只抽查几句时，用 ffmpeg 先截出那几秒（-ss <起> -t <长>）再转，快很多。

坑

• 模型下了一半（文件太小、加载报错）就删掉重下。
• 背景音乐很响时识别会乱，回听配音时用没混音乐的单句配音文件。