Whisper 入门:从录音到字幕管线
面向游戏开发者,演示如何安装 Whisper、批量转写录音、生成带时间轴字幕,并把文本导入内容管理与配音流程。
- 1
准备音频与运行环境
安装 Python 和 FFmpeg,把访谈、角色语音等素材统一放入 input 目录,建议使用 WAV 或 MP3,并确保文件名前缀带有版本号。
- 2
安装 Whisper
打开终端,执行 pip install -U openai-whisper,再运行 whisper --help 检查命令。首次运行会下载模型,网络环境需允许访问模型仓库。
- 3
转写第一段录音
执行 whisper input/interview.mp3 --model small --language zh --task transcribe --output_format all,生成文本、SRT、VTT 等文件,按素材编号保存到 output。
- 4
批量处理素材
将多段录音放入 input 后执行 whisper input --model small --language zh --task transcribe --output_format all;也可用 Python API 遍历文件,统一模型和输出目录。
- 5
校对并接入管线
对照原音频修正专有名词、角色名和时间轴,导出 JSON 或 SRT 到字幕目录;同时把纯文本送入检索、翻译或配音脚本流程。
- 6
制作字幕与语音任务
根据 SRT 时间码切分对白,导入剪辑、翻译或字幕工具;再用 TTS 工具生成角色语音,保留原音、转写文本、字幕三者的资产编号。
💡 实用技巧
- 中文访谈先指定 zh,提升转写稳定性
- 短句对白可加 initial_prompt 补全语境
- 长音频分段转写后再合并时间轴
- 模型越大通常越准,也更耗时耗显存
⚠️ 常见坑
- FFmpeg 未加入 PATH 会导致读取失败
- 直接覆盖转写结果会丢失人工校对
常见问题
Q:安装 Whisper 后提示找不到 FFmpeg 怎么办?
先确认 FFmpeg 已安装并加入系统 PATH,然后重新打开终端,执行 whisper --help 检查命令是否可用。读取音频前也要确保 FFmpeg 可被终端调用,否则 MP3 或 WAV 文件会因无法读取而转写失败。
Q:中文录音应该选哪个模型和参数?
可先使用 small 模型执行 --language zh --task transcribe,并在命令中加入 --output_format all,同时导出文本、SRT、VTT 等格式。短句对白可用 initial_prompt 补充语境;模型越大通常越准确,但耗时和显存占用也会增加。
Q:批量转写后怎么接入游戏内容管线?
将 input 目录中的多段素材统一转写,并把纯文本送入检索、翻译或配音脚本流程。根据 SRT 时间码切分对白,再导入剪辑、翻译或字幕工具;最后保留原音、转写文本和字幕三者的资产编号,方便后续管理。