用谷歌Colab免费批量将本地电脑上的Mp3语音文件转文字

首先在谷歌硬盘上传Mp3语音文件

可以下载电脑版谷歌drive软件：Google Drive for desktop，使用更方便：

音频很快自动同步上传。

接下来使用Openai的whisper模型：https://github.com/openai/whisper

在ChatGPT中输入提示词：

你是一个编程高手，写一个谷歌colab的ipynb脚本，实现任务如下：

从huggingface下载Whisper large-v3-turbo语音转录模型文件，然后保存到谷歌Drive中的myaudio文件夹中；

读取谷歌Drive中的myaudio文件目录中所有子文件夹中的音频文件；

从谷歌Drive中调用Whisper large-v3-turbo模型将所有音频文件转录成文字，保存为txt文本文件，txt文件名和音频文件名保持同一个名称，txt文件保存在和音频文件的同一个文件夹中；

注意：

安装pydub库；

安装ffmpeg；

在调用Whisper模型时显式指定语言为英文；

代码示例：

import whisper

model = whisper.load_model("turbo")

result = model.transcribe("audio.mp3")

print(result["text"])

ChatGPT生成的源代码：

# 安装必要的库

!pip install pydub

!apt-get install ffmpeg

!pip install -q git+https://github.com/openai/whisper.git

!pip install tqdm

import os

import whisper

from tqdm import tqdm

from google.colab import drive

from pydub import AudioSegment

# 挂载 Google Drive

drive.mount('/content/drive')

# 下载并加载 Whisper 模型

model = whisper.load_model("large-v3-turbo")

# 设置音频文件夹路径

audio_folder = '/content/drive/MyDrive/myaudio'

# 遍历所有子文件夹，找到音频文件

for root, dirs, files in os.walk(audio_folder):

for file in tqdm(files):

if file.endswith(('.mp3', '.wav', '.m4a')): # 支持的音频格式

audio_path = os.path.join(root, file)

print(f"正在转录: {audio_path}")

# 转录音频并指定语言为英文

result = model.transcribe(audio_path, language="en")

transcript = result['text']

# 保存转录文本

txt_filename = os.path.splitext(file)[0] + '.txt'

txt_path = os.path.join(root, txt_filename)

with open(txt_path, 'w') as txt_file:

txt_file.write(transcript)

print(f"已保存转录文本: {txt_path}")

打开谷歌colab

https://colab.research.google.com/

新建笔记本，输入源代码。然后运行。注意：在免费版Colab 中，笔记本最长可以运行12 小时

实测一个28分钟的mp3，在使用CPU的时候，耗时1小时，而如果改用T4 GPU，仅耗时3分钟。所以尽量使用GPU，会提速很多。

转录完成的文本会自动同步到本地硬盘上。