分类： 程序源码

网上大多是低版本的pycharm设置国内清华源的方法 对于：PyCharm 2023.3.2 (Community Edition) 没多大参考。特此记录一下

昨天有一个小需求，有两段会议录音，总时间2.5小时。需要把录音转成文字。搜索了一下。没有太好的现成的解决方案。但是：如果你是技术爱好者或对隐私、长音频有要求，功能强大的开源工具 Whisper-CTranslate2 会是一个绝佳选择。它完全免费且在本地运行，不上传数据，处理长音频（如1小时的课程）也很快。就是这个了。

我的环境：macos sequoia 15.6 m1 16g Anaconda-Navigator PyCharm CE

将按照以下步骤进行：

1. 创建并激活一个Conda环境（建议使用Python 3.9或3.10，因为Whisper-CTranslate2支持Python 3.7-3.10，而Python 3.9和3.10在M1上有最佳支持）。
2. 安装必要的库，包括whisper-ctranslate2，以及一些辅助库如librosa用于音频处理。
3. 由于是长音频，我们可能还需要注意内存管理，但Whisper-CTranslate2本身已经优化了内存使用。

注意：由于M1芯片是ARM架构，我们确保安装的库是支持ARM的。我们可以通过conda或pip安装，但建议使用conda来管理依赖，以避免兼容性问题。以下是详细的步骤，我们将通过命令行操作：步骤1：创建Conda环境打开终端，运行以下命令：

conda create -n whisper_env python=3.9
conda activate whisper_env

步骤2：安装whisper-ctranslate2我们可以使用pip安装whisper-ctranslate2，同时安装librosa用于音频加载（whisper-ctranslate2本身会依赖一些库，但librosa可能需要单独安装以确保音频加载功能）。

pip install whisper-ctranslate2 
pip install librosa

步骤3：安装PyTorch（可选，但如果你需要使用GPU加速，M1芯片可以使用MPS加速）虽然Whisper-CTranslate2主要使用CTranslate2进行加速，但它的依赖中可能包括PyTorch。不过，为了确保在M1上获得最佳性能，我们可以安装支持MPS的PyTorch版本。但请注意，Whisper-CTranslate2并不直接依赖PyTorch的MPS，因为它是基于CTranslate2的，而CTranslate2在M1上使用CPU（通过Accelerate Framework）已经很快了。如果你还是想安装PyTorch，可以使用以下命令：

conda install pytorch::pytorch -c pytorch

但根据Whisper-CTranslate2的文档，它并不要求PyTorch，所以这一步是可选的。

我没用。。 我直接用cpu 处理。

步骤4：测试安装安装完成后，我们可以通过命令行测试whisper-ctranslate2是否安装成功：

whisper-ctranslate2 --help

如果出现帮助信息，则安装成功。

需要注意第二步。最好用国内源。 我卡这好久。

然后就是在PyCharm CE中配置项目

验证安装与基础使用

环境配置好后，我们来确认一切是否就绪，并看看如何转录音频。

1. 验证安装
   在PyCharm的终端中（确保环境已激活），尝试导入模块：

from faster_whisper import WhisperModel
print("环境配置成功！")

如果没有报错，说明安装成功。

2.最终我的代码：

import os
from faster_whisper import WhisperModel
import time


def transcribe_audio_with_progress(input_audio_path, output_text_path, model_path, device="cpu", language="zh"):
    """
    转录音频文件为文字，带有进度提示和实时保存功能

    参数:
        input_audio_path: 输入的音频文件路径
        output_text_path: 输出的文本文件路径
        model_path: 本地模型文件路径
        device: 运行设备，"cpu" 或 "cuda"
        language: 音频语言代码，"zh" 表示中文
    """

    print(f"开始加载模型...")
    start_time = time.time()

    # 使用本地模型路径初始化模型
    model = WhisperModel(model_path, device=device, compute_type="int8")

    model_load_time = time.time() - start_time
    print(f"模型加载完成，耗时: {model_load_time:.2f}秒")

    print(f"开始处理音频文件: {os.path.basename(input_audio_path)}")
    print("转录进行中，请耐心等待...")

    # 转录音频文件
    segments, info = model.transcribe(
        input_audio_path,
        vad_filter=True,
        vad_parameters=dict(min_silence_duration_ms=500),
        beam_size=5,
        language=language
    )

    # 创建输出目录（如果不存在）
    os.makedirs(os.path.dirname(output_text_path), exist_ok=True)

    # 打开文件准备写入
    with open(output_text_path, "w", encoding="utf-8") as f:
        # 写入文件头部信息
        f.write(f"音频文件: {os.path.basename(input_audio_path)}\n")
        f.write(f"检测到语言: {info.language}, 置信度: {info.language_probability:.2f}\n")
        f.write(f"转录开始时间: {time.strftime('%Y-%m-%d %H:%M:%S')}\n")
        f.write("=" * 50 + "\n\n")

        # 处理每个片段
        segment_count = 0
        start_processing_time = time.time()
        last_progress_time = time.time()

        for segment in segments:
            segment_count += 1

            # 每10个片段或每30秒打印一次进度
            current_time = time.time()
            if segment_count % 10 == 0 or current_time - last_progress_time > 30:
                elapsed_time = current_time - start_processing_time
                print(f"已处理 {segment_count} 个片段，当前时间点: {segment.start:.2f}秒，已用时间: {elapsed_time:.1f}秒")
                last_progress_time = current_time

            # 格式化片段信息
            segment_text = f"[{segment.start:.2f}s -> {segment.end:.2f}s] {segment.text}\n"

            # 写入文件并立即刷新缓冲区，确保实时保存
            f.write(segment_text)
            f.flush()

    # 转录完成
    total_time = time.time() - start_time
    print(f"\n转录完成!")
    print(f"总共处理了 {segment_count} 个片段")
    print(f"总耗时: {total_time:.2f}秒")
    print(f"结果已保存到: {output_text_path}")

    # 在文件末尾添加统计信息
    with open(output_text_path, "a", encoding="utf-8") as f:
        f.write("\n" + "=" * 50 + "\n")
        f.write(f"转录完成时间: {time.strftime('%Y-%m-%d %H:%M:%S')}\n")
        f.write(f"总片段数: {segment_count}\n")
        f.write(f"总处理时间: {total_time:.2f}秒\n")


# 使用示例
if __name__ == "__main__":
    # 设置路径
    input_audio = "/url/25111701.mp3"
    output_text = "/url/25111701_transcription.txt"
    local_model_path = "/Url/faster-whisper-medium"  # 修改为您实际存放模型的路径

    # 检查模型是否存在
    if not os.path.exists(local_model_path):
        print(f"错误: 模型路径不存在: {local_model_path}")
        print("请先按照说明手动下载模型文件")
    else:
        print(f"使用本地模型: {local_model_path}")

        # 执行转录
        transcribe_audio_with_progress(
            input_audio_path=input_audio,
            output_text_path=output_text,
            model_path=local_model_path,
            device="cpu",
            language="zh"
        )

注意啊。这当中还有个坑。faster-whisper-medium这个模型是需要手动下载下来的啊。

好了。就这样，速度还不错

已处理 640 个片段，当前时间点: 5327.49秒，已用时间: 2965.3秒

转录完成!
总共处理了 641 个片段
总耗时: 3002.00秒

结果已保存到: /Url/