104 lines
2.7 KiB
Markdown
104 lines
2.7 KiB
Markdown
# AudioScribe
|
||
|
||
基于火山引擎大模型录音文件识别 API 的录音转文字工具，支持说话人聚类分离。
|
||
|
||
## 功能特性
|
||
|
||
- 调用火山引擎大模型 ASR API 进行语音转写
|
||
- 支持说话人聚类分离（自动识别不同说话人）
|
||
- 自动生成 Markdown 格式的转写文档（按时间线排列，标注说话人）
|
||
- 同时输出原始 JSON 数据
|
||
- 支持 mp3、m4a 等常见音频格式
|
||
|
||
## 项目结构
|
||
|
||
```
|
||
AudioScribe/
|
||
├── transcribe_legacy.py # 主脚本（APP ID + Access Token 认证）
|
||
├── transcribe_all.py # 备用脚本（API Key 认证）
|
||
├── requirements.txt # Python 依赖
|
||
├── .env # 环境变量配置（需自行创建）
|
||
├── tools/ # 工具（ffmpeg 等）
|
||
├── docs/ # API 文档
|
||
└── output/ # 转写结果输出目录
|
||
```
|
||
|
||
## 快速开始
|
||
|
||
### 1. 安装依赖
|
||
|
||
```bash
|
||
python -m venv .venv
|
||
.venv\Scripts\activate # Windows
|
||
# source .venv/bin/activate # Linux/macOS
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
### 2. 配置环境变量
|
||
|
||
在项目根目录创建 `.env` 文件：
|
||
|
||
```env
|
||
# 火山引擎 API 配置（旧版控制台 - APP ID + Access Token）
|
||
X_API_APP_KEY=你的APP_ID
|
||
X_API_ACCESS_KEY=你的Access_Token
|
||
X_API_RESOURCE_ID=volc.seedasr.auc
|
||
|
||
# S3 兼容对象存储配置（用于上传音频文件）
|
||
S3_ENDPOINT=https://your-s3-endpoint
|
||
S3_ACCESS_KEY_ID=your_access_key
|
||
S3_SECRET_ACCESS_KEY=your_secret_key
|
||
S3_BUCKET=audioscribe
|
||
```
|
||
|
||
`X_API_RESOURCE_ID` 可选值：
|
||
- `volc.bigasr.auc` — 大模型 ASR 1.0
|
||
- `volc.seedasr.auc` — 大模型 ASR 2.0（推荐，需旧版控制台认证）
|
||
|
||
### 3. 运行转写
|
||
|
||
```bash
|
||
python transcribe_legacy.py "音频文件.mp3"
|
||
```
|
||
|
||
输出文件将保存到 `output/` 目录：
|
||
- `{音频名}_转写结果.json` — 原始 API 返回数据
|
||
- `{音频名}_转写结果.md` — Markdown 格式转写文档
|
||
|
||
## 两个脚本的区别
|
||
|
||
| | `transcribe_legacy.py` | `transcribe_all.py` |
|
||
|---|---|---|
|
||
| 认证方式 | APP ID + Access Token（旧版控制台） | API Key（新版控制台） |
|
||
| 对象存储 | S3 兼容（boto3） | MinIO |
|
||
| 支持模型 | bigasr / seedasr | 仅 bigasr |
|
||
| 输出目录 | `output/` | 项目根目录 |
|
||
|
||
## 输出格式示例
|
||
|
||
Markdown 文档按时间线排列，标注说话人：
|
||
|
||
```markdown
|
||
# 转写结果
|
||
|
||
**源文件**: 示例.mp3
|
||
**音频时长**: 09:04.61
|
||
**说话人数量**: 5 人
|
||
**分句数量**: 183
|
||
|
||
---
|
||
|
||
## 按时间线
|
||
|
||
- **00:00.54 - 00:01.54** **说话人1** 已经检验了啊。
|
||
- **00:02.46 - 00:03.38** **说话人2** 来，你大概说一下嘛。
|
||
- **00:04.38 - 00:11.34** **说话人3** 就是计时，从比如说我们是5点钟下班儿……
|
||
```
|
||
|
||
## 依赖
|
||
|
||
- Python 3.8+
|
||
- requests
|
||
- python-dotenv
|
||
- boto3
|