语音转文字还要手动听写？我把攒了三个月的 62 段录音批量转成字幕，只花了 3 小时

语音转文字还要手动听写我把攒了三个月的 62 段录音批量转成字幕只花了 3 小时【免费下载链接】AsrTools✨ AsrTools: Smart Voice-to-Text Tool | Efficient Batch Processing | User-Friendly Interface | No GPU Required | Supports SRT/TXT Output | Turn your audio into accurate text in an instant!项目地址: https://gitcode.com/gh_mirrors/as/AsrTools我是一名给线上课程录口播的兼职老师过去三个月的周末我几乎都耗在了一件事上把录好的课程音频手动整理成文字稿和字幕。那段日子有多崩溃如果你也剪过带字幕的视频大概能感同身受。直到我遇见了 AsrTools——一个完全免费、无需显卡就能用的语音转文字工具它把我的字幕工作量从按天计算压缩成了按小时计算。被字幕追着跑的那个周末那是普通得不能再普通的周五晚上我面前摆着一份 35 分钟的课程录音周一早上要上线带字幕的版本。我用播放器一段段听、一段段暂停、再一句句打字——2 小时只啃下了 12 分钟的内容换算下来光这一节音频就要消耗我大半个周末。更别说我还攒着前两个月的录音没处理它们已经躺在文件夹里积灰了。我甚至认真考虑过付费转写服务一看套餐价格又劝退了也想过去折腾本地语音模型但看了一眼需要 8GB 显存的说明就放弃了——我只是想给音频配个字幕不是想组装一台服务器。一句话讲清楚它是什么后来一个做视频的朋友给我推了个开源小工具我花了两分钟看完说明就明白它是干什么的了AsrTools 是一个把音频/视频批量转成文字字幕的开源工具支持 SRT、TXT、ASS 等字幕格式全程在线识别不需要 GPU不需要折腾本地环境。它内置了好几个免费的语音识别接口B、J、K 三种对应不同服务商选中哪个用哪个。没有授权费没有次数限制提示也不用我提供什么密钥。这个零门槛的感觉正是我当时最需要的。从下载到跑通3 步就够了我走的源码运行路线全程大概花了 5 分钟。如果你用 Windows官方还提供了打包好的可执行文件解压双击AsrTools.exe就能用比源码路线更省事。喜欢动手的按下面来git clone https://gitcode.com/gh_mirrors/as/AsrTools cd AsrTools pip install requests PyQt5 PyQt-Fluent-Widgets python asr_gui.py逐行解释一下第 1 行把项目克隆到本地第 2 行进入项目目录第 3 行安装依赖。requests是识别请求必需的后面两个是界面库第 4 行启动图形界面。窗口弹出来的那一刻我挺惊喜的——灰白配色的现代化界面比我想象中开源命令行工具的样子体面多了。界面上需要关注的就三样东西顶部的接口选择、中间的导出格式以及最核心的文件拖放区。把音频文件直接拖进去点开始处理剩下的就是等结果。我第一次用它处理了 62 段录音回到开头那个周五晚上的我。安装好后我把积压的 62 段录音一股脑拖进了窗口选了 B 接口导出格式设为 SRT点了开始处理。一开始我是忐忑的——毕竟免费的东西我担心识别出来一堆乱码。但第一批结果出来就让我放心了我那 35 分钟课程的第 1 分钟识别文字基本正确连语音转文字这种术语都没翻车。中间还出过一次小状况处理到第 40 段时有一两条任务卡在了处理中很久。我一度以为程序死了后来发现只是那会儿网速不好。我把没跑完的文件右键重新处理一次就顺利继续了。最终结果我用一张表说明项目手动听写使用 AsrTools62 段录音共约 26 小时预计 40 小时约 3 小时单段 35 分钟课程约 6 小时约 15 分钟费用按外包约几百元0 元识别准确率我抽样核对过清晰的人声段落基本在九成以上个别同音字需要手动修一下比如计时被写成记时这种小坑。但对口播字幕来说这个水平完全够用了——我只需要通读一遍改错别字比从头打字省了十倍时间。新手最容易踩的 4 个坑下面这些坑都是我亲身踩过的提前告诉你能少走不少弯路。坑一把视频文件当不支持的格式。我刚拿到手时只敢传 mp3、wav 这类音频后来才发现新版已经支持直接导入 mp4、mkv 等视频文件程序会自动提取音轨。别再手动转音频了直接拖视频进去。坑二三个接口只认一个用。我一开始死磕 B 接口遇到识别率不理想也不换。后来实测J 接口剪映系对中文内容更友好K 接口在背景音嘈杂时表现更好。别嫌切换麻烦同一段音频换个接口重新跑效果可能天差地别。坑三长时间挂机不管导致重试。我那次卡在处理中的任务后来发现是网络抖动引起的。处理大量文件时建议保持网络稳定看到卡住的任务用右键菜单里的重新处理单独重跑不用整批重来。坑四以为输出格式只能二选一。我最初只知道能出 SRT后来发现 T 接口的说明里提到支持多种字幕格式。其实程序可以按需切换导出 SRT、TXT、ASS做笔记就选 TXT剪视频就选 SRT别默认只导一种。两个让我效率翻倍的进阶玩法用顺手之后我又发现了两个提升效率的姿势把命令行接口接进自己的工作流。项目里有个 example.py它展示的正是我后来最常用的用法用几行代码调用JianYingASR识别一个音频文件再输出成 SRT。做课程批量归档时我用它写了个小脚本把整周的新录音自动转成文字稿跑完就把.srt和.txt直接存到对应课程目录下。识别引擎的调用逻辑都在 bk_asr 目录里有兴趣可以看看 BcutASR.py 和 JianYingASR.py每个引擎就是一个独立类结构很清晰。善用缓存参数避免重复扣时。如果你也走命令行路线调用时留意一下use_cache参数。同一文件重复识别时命中缓存会直接返回上次结果省去重复上传等待。GUI 批量处理默认是 3 个线程并发你可以根据自己电脑和网速微调文件多的时候并行跑体验差别很明显。给想试试的你一份行动清单如果你也在为字幕、笔记或会议纪要发愁我建议你按这个清单走一遍下载项目或直接跑源码先启动界面看看长什么样拖一个 1~2 分钟的短音频进去分别试一下 B、J、K 三个接口挑一个识别效果最好的把积压的音频全部拖进去设置好 SRT 或 TXT 格式点开始处理处理时保持网络稳定遇到卡住的单个任务用重新处理解决导出后通读一遍顺手修正个别同音字用顺手了再翻翻 example.py 和 bk_asr 目录试试把它接进你的日常流程。项目仓库地址https://gitcode.com/gh_mirrors/as/AsrTools我花在字幕上的时间已经从每周一下午变成了每两周十分钟。下一个把录音拖进去开始处理的就该是你了。【免费下载链接】AsrTools✨ AsrTools: Smart Voice-to-Text Tool | Efficient Batch Processing | User-Friendly Interface | No GPU Required | Supports SRT/TXT Output | Turn your audio into accurate text in an instant!项目地址: https://gitcode.com/gh_mirrors/as/AsrTools创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考