Whisper STT 技能

本地语音转文字，隐私安全，完全免费。

快速开始

1. 确保已安装 Whisper

pip3 install openai-whisper

2. 使用封装脚本

from tools.whisper_stt import transcribe

# 转录音频
result = transcribe("audio.mp3", model="base", language="zh")

if result.get("success"):
    print(f"转录内容: {result['text']}")
else:
    print(f"错误: {result['error']}")

模型选择

模型	大小	速度	准确率	推荐场景
tiny	39MB	最快	一般	测试
base	74MB	快	良好	日常使用 ✅
small	244MB	中等	好	平衡
medium	769MB	较慢	很好	高质量
large	1550MB	最慢	最佳	精确转录

命令行使用

# 基本用法
whisper audio.mp3

# 指定中文和模型
whisper audio.mp3 --model base --language zh

# 指定输出格式
whisper audio.mp3 --model base --language zh --output_format txt

与语音克隆结合

from tools.whisper_stt import transcribe
from tools.voice_clone_api import generate_speech

# 语音转文字
stt_result = transcribe("user_voice.mp3")
text = stt_result["text"]

# AI处理...
response = f"收到: {text}"

# 文字转语音（克隆声音）
generate_speech(response, voice_id="wuna-001")

故障排除

问题	解决方案
安装失败	先装PyTorch CPU: pip3 install torch --index-url https://download.pytorch.org/whl/cpu
速度慢	换用tiny/base模型
中文不准	确认指定 --language zh
内存不足	使用base/tiny模型

---

基于OpenAI Whisper开源项目