# 语音转文字

**Repository Path**: dulht/speech-to-text

## Basic Information

- **Project Name**: 语音转文字
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-19
- **Last Updated**: 2026-07-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 语音转文字 Web 应用

基于 OpenAI Whisper 的语音识别 Web 服务，支持多种音频格式上传和转录。

## 功能特性

- 🎤 支持多种音频格式：m4a, wav, mp3, flac, aac, ogg
- 🔄 自动转换 m4a 格式为 wav
- 🌐 支持中文和英文识别
- 📊 提供多种模型大小选择（tiny/base/small/medium/large）
- 💾 实时显示转录结果
- 📥 支持下载 TXT 格式的转录结果
- 🎨 美观的 Web 界面，支持拖拽上传

## 环境要求

- Python 3.8+
- FFmpeg（用于音频格式转换）
- 至少 2GB 可用内存（取决于选择的模型大小）

## 安装步骤

### 1. 安装 FFmpeg

**Windows:**
```bash
# 方法1: 使用 chocolatey
choco install ffmpeg

# 方法2: 手动下载安装
# 访问 https://ffmpeg.org/download.html 下载并配置环境变量
```

**Linux:**
```bash
sudo apt-get install ffmpeg
```

**macOS:**
```bash
brew install ffmpeg
```

### 2. 安装 Python 依赖

```bash
pip install -r requirements.txt
```

### 3. 运行应用

```bash
python app.py
```

### 4. 访问 Web 界面

在浏览器中打开：http://127.0.0.1:5000

## 使用说明

1. **上传音频文件**
   - 点击"选择文件"按钮或拖拽文件到上传区域
   - 支持 m4a, wav, mp3, flac, aac, ogg 格式

2. **选择参数**
   - **模型大小**: 
     - Tiny: 最快，但精度较低
     - Base: 推荐，速度和精度平衡
     - Small/Medium/Large: 更慢但精度更高
   - **语言**: 选择中文或英文

3. **开始转录**
   - 点击"开始转录"按钮
   - 首次运行会自动下载模型（可能需要几分钟）
   - 等待处理完成

4. **查看和下载结果**
   - 转录结果会显示在页面上
   - 点击"下载 TXT 文件"按钮保存结果

## 项目结构

```
speech-to-text/
├── app.py                  # Flask 主应用
├── speechtotxt.py          # 语音转文字核心功能
├── requirements.txt        # Python 依赖
├── templates/
│   └── index.html         # Web 界面模板
├── uploads/               # 临时上传目录（自动创建）
└── results/               # 转录结果目录（自动创建）
```

## 注意事项

1. **首次运行**: 首次使用某个模型时，会自动从网络下载，请确保网络连接正常
2. **文件大小**: 最大支持 100MB 的音频文件
3. **处理时间**: 根据模型大小和音频长度，处理时间从几秒到几分钟不等
4. **存储空间**: 不同模型占用空间不同，large 模型约需 3GB 存储空间

## 常见问题

### Q: 提示找不到 ffmpeg？
A: 请确保已正确安装 FFmpeg 并添加到系统环境变量 PATH 中

### Q: 模型下载失败？
A: 检查网络连接，或手动下载模型文件放到缓存目录

### Q: 转录速度慢？
A: 尝试使用较小的模型（如 tiny 或 base），或使用 GPU 加速

### Q: 识别不准确？
A: 尝试使用更大的模型（如 medium 或 large），或确保音频质量良好

## 许可证

MIT License