Распознать речь через Whisper
Переводит аудио в текст, SRT, VTT или JSON локально через openai-whisper.
Что делает скрипт
Скрипт загружает выбранную модель Whisper и транскрибирует файл без отправки данных в облако. Поддерживаются языки и режим перевода на английский. Модель скачивается при первом запуске, поэтому нужны место на диске и время.
- Тяжёлая зависимость: openai-whisper и модель занимают сотни мегабайт.
- Первый запуск скачивает модель и может занять несколько минут.
Быстрый старт
python whisper_transcribe.py interview.mp3 --model small --language ru --format srt
Скачайте файл, откройте терминал в папке со скриптом и выполните команду.
В Linux и macOS интерпретатор может называться python3, в Windows - python или py.
Другие варианты
python whisper_transcribe.py lecture.wav --model base --language rupython whisper_transcribe.py ./recordings --recursive --model small --format txt
Что понадобится
winget install Python.Python.3.12
brew install python
sudo apt install python3
winget install Gyan.FFmpeg
brew install ffmpeg
sudo apt install ffmpeg
py -m pip install openai-whisper
python3 -m pip install openai-whisper
python3 -m pip install openai-whisper
whisper_transcribe.py
#!/usr/bin/env python3
"""Локальная транскрипция речи через openai-whisper."""
from __future__ import annotations
import argparse
import json
import shutil
import sys
from pathlib import Path
AUDIO_EXTENSIONS = {'.mp3', '.wav', '.flac', '.ogg', '.m4a', '.aac', '.opus', '.wma', '.mp4', '.mkv'}
def collect(paths: list[Path], recursive: bool) -> list[Path]:
files: list[Path] = []
for path in paths:
if path.is_dir():
iterator = path.rglob('*') if recursive else path.glob('*')
files.extend(
item for item in iterator
if item.is_file() and item.suffix.lower() in AUDIO_EXTENSIONS
)
elif path.is_file() and path.suffix.lower() in AUDIO_EXTENSIONS:
files.append(path)
else:
print(f'Пропуск: {path}', file=sys.stderr)
return sorted(set(files), key=lambda item: str(item).lower())
def stamp(seconds: float, decimal: str = ',') -> str:
milliseconds = int(round(seconds * 1000))
hours, rest = divmod(milliseconds, 3_600_000)
minutes, rest = divmod(rest, 60_000)
whole, millis = divmod(rest, 1000)
return f'{hours:02d}:{minutes:02d}:{whole:02d}{decimal}{millis:03d}'
def write_srt(segments: list[dict], target: Path) -> None:
lines: list[str] = []
for number, segment in enumerate(segments, start=1):
lines.append(str(number))
lines.append(f'{stamp(segment["start"])} --> {stamp(segment["end"])}')
lines.append(segment['text'].strip())
lines.append('')
target.write_text('\n'.join(lines), encoding='utf-8')
def write_vtt(segments: list[dict], target: Path) -> None:
lines = ['WEBVTT', '']
for segment in segments:
lines.append(f'{stamp(segment["start"], ".")} --> {stamp(segment["end"], ".")}')
lines.append(segment['text'].strip())
lines.append('')
target.write_text('\n'.join(lines), encoding='utf-8')
def main() -> int:
parser = argparse.ArgumentParser(description='Распознать речь через Whisper')
parser.add_argument('inputs', nargs='+', type=Path, help='Аудио или видео файлы')
parser.add_argument('-o', '--out', type=Path, default=Path('transcripts'), help='Папка для текста')
parser.add_argument('--model', default='small', help='Модель: tiny, base, small, medium, large')
parser.add_argument('--language', default='', help='Код языка, например ru. Пусто - автоопределение')
parser.add_argument('--task', choices=['transcribe', 'translate'], default='transcribe', help='Задача')
parser.add_argument('--format', choices=['txt', 'srt', 'vtt', 'json'], default='srt', help='Формат')
parser.add_argument('--recursive', action='store_true', help='Обходить вложенные папки')
args = parser.parse_args()
if not shutil.which('ffmpeg'):
print('ffmpeg не найден. Whisper использует его для чтения аудио.', file=sys.stderr)
return 1
try:
import whisper
except ImportError:
print('Модуль whisper не установлен. Выполните: python -m pip install openai-whisper', file=sys.stderr)
return 1
files = collect([path.expanduser() for path in args.inputs], args.recursive)
if not files:
print('Файлы не найдены.', file=sys.stderr)
return 1
out_dir = args.out.expanduser().resolve()
out_dir.mkdir(parents=True, exist_ok=True)
print(f'Загрузка модели {args.model}. При первом запуске она скачивается.')
model = whisper.load_model(args.model)
done = 0
for source in files:
print(f'Обработка: {source.name}')
result = model.transcribe(
str(source),
language=args.language or None,
task=args.task,
verbose=False,
)
segments = [
{
'start': float(segment.get('start', 0.0)),
'end': float(segment.get('end', 0.0)),
'text': str(segment.get('text', '')).strip(),
}
for segment in result.get('segments', [])
]
if not segments:
print(f'Речь не распознана: {source.name}', file=sys.stderr)
continue
destination = out_dir / f'{source.stem}.{args.format}'
if args.format == 'txt':
destination.write_text('\n'.join(item['text'] for item in segments) + '\n', encoding='utf-8')
elif args.format == 'srt':
write_srt(segments, destination)
elif args.format == 'vtt':
write_vtt(segments, destination)
else:
destination.write_text(json.dumps(segments, ensure_ascii=False, indent=2), encoding='utf-8')
print(f'Готово: {destination}')
done += 1
print(f'Итог: обработано {done} из {len(files)}')
return 0 if done else 2
if __name__ == '__main__':
raise SystemExit(main())
Скрипты работают с файлами и настройками системы. Перед запуском прочитайте код и проверьте пути. Особенно если скрипт удаляет, перезаписывает или перемещает данные.