语音录制和转录程序

这是一个Python语音录制程序，具有智能语音活动检测功能，可以持续监听并自动转录用户的语音。支持实时语音检测和自动转录。

功能特点

• 持续监听模式，自动处理多段语音
• 智能语音活动检测（VAD）
• 自动开始和停止录音
• 高质量音频录制（16kHz采样率，16位）
• 使用Whisper AI模型进行语音转文本
• 支持命令行参数配置
• 实时显示录音状态

安装依赖

pip install -r requirements.txt

注意：首次运行时，程序会自动下载Whisper模型文件（约150MB）。

命令行参数

usage: recorder.py [-h] [-t] [-s] [-w]

选项:
  -h, --help            显示帮助信息
  -t, --transcribe      启用语音转录功能
  -s, --save-audio      保存音频文件
  -w, --save-text       保存转录文本到文件

使用示例

1. 仅录音模式（保存音频文件）：

python recorder.py -s

2. 仅转录模式（不保存任何文件）：

python recorder.py -t

3. 完整模式（录音+转录+保存所有文件）：

python recorder.py -t -s -w

4. 转录并保存文本（不保存音频）：

python recorder.py -t -w

工作流程

1. 程序启动后会持续监听语音活动
2. 检测到说话时自动开始录音
3. 检测到持续静音（2秒）时自动完成当前段落
4. 根据设置的参数进行相应处理：
   • 转录语音（如果启用）
   • 保存音频文件（如果启用）
   • 保存转录文本（如果启用）
5. 继续监听下一段语音
6. 按Ctrl+C退出程序

输出文件

1. 音频文件 (使用-s选项)

   • 文件格式：WAV
   • 文件名：recording_时间戳.wav

2. 转录文本 (使用-w选项)

   • 文件名：transcription_时间戳.txt
   • UTF-8编码

使用场景

1. 会议记录

python recorder.py -t -s -w

• 保存音频以供存档
• 实时转录会议内容
• 保存文本记录

2. 实时转录

python recorder.py -t

• 不保存任何文件
• 直接显示转录结果
• 适合临时需要

3. 语音记录

python recorder.py -s

• 仅保存音频文件
• 不进行转录
• 适合录音收集

系统要求

• Python 3.6+
• PyAudio
• OpenAI Whisper
• PyTorch
• WebRTC VAD
• 系统需要有麦克风设备
• 建议有GPU支持（用于语音转文本，CPU也可以但会较慢）

注意事项

• 首次运行转录功能时需要下载模型，请确保网络连接正常
• 转录过程可能需要一些时间，特别是在CPU设备上
• 转录准确度可能受到音频质量、背景噪音等因素影响
• 语音检测的灵敏度已经过优化，但在非常嘈杂的环境中可能会受到影响
• 使用Ctrl+C可以安全地退出程序