简易本地语音转文本工具

该项目提供了一个基于魔搭社区（modelscope.cn)的简单本地语音转文本工具，默认设置了多款阿里语音识别模型， 可以将音频文件转换为文本并保存到本地。

如何使用

1. 准备工作

• 将待识别的音频文件（.wav 格式）放置于 wav 文件夹中。
• 确保已安装 Python 3.x 和以下依赖：

pip install -r requirements.txt

• 提供简易转换格式功能，请自行安装ffmpeg
• 程序也提供快捷下载和安装ffmpeg功能（仅限Windows版本）

2. 运行项目

在终端中执行以下命令

python app.py

或

gradio app.py

以启动应用

3. 使用方法

识别音频

• 在“识别音频”标签页中，选择要使用的模型和待分析的语音文件。
• 点击“开始识别”按钮开始识别，首个文件的识别结果将显示在“预览输出结果”文本框中。
• 识别结果会保存到当前目录下的 output 文件夹中，分为全文和带说话人两种格式（如模型支持）。

转换音频

• 在“转换音频”标签页中，选择待转换的音频文件。
• 请把待转换的音频文件保存到当前目录下的 input 文件夹中。
• 点击“开始转换”按钮开始转换。
• 转换成功后的音频文件将支持保存到wav文件夹中。

注意事项

• 识别结果可能不是 100% 准确，仅供参考。
• 模型较大，首次使用可能需要等待下载完成。
• 默认代码支持的模型有限，可以根据需要自行修改。
• 仅支持到以下版本的库： funasr==0.8.7 modelscope==1.9.5

目录结构

• 项目名称
  • src/
    • recognition.py 转文本的核心代码
    • toWav.py 转格式核心代码
  • input/ 待转换的其他格式音频文件存放路径
  • output/ 输出结果文件（txt格式）路径
  • wav/ 待识别的音频文件存放路径
  • app.py 主程序
  • modellist.ini 模型配置文件

开源许可

本项目采用 MIT 许可开源。详情请参阅 LICENSE 文件。