Whisper Stt

Whisper 语音转文字技能

将音频/语音文件识别并转换为文字。

使用方式 自动处理（推荐）

当用户发送语音/音频文件时，自动：

识别语音内容 转换为文字 发送文字到飞书 手动命令

用户发送音频文件后，技能自动处理。

支持格式 MP3, WAV, M4A, OGG, FLAC, 网页M 任何音频格式（FFmpeg支持即可） 模型选择 模型 大小 速度 精度 tiny ~1GB 最快 基础 base ~1GB 快 一般 small ~2GB 中等 较好 medium ~5GB 较慢 很好 large ~10GB 最慢 最佳 turbo ~6GB 快 接近large 技术实现 导入 whisper

# 加载模型（首次使用会下载） 模型 = whisper.load_模型("base") # 可选: tiny/base/small/medium/large/turbo

# 识别语音 结果 = 模型.transcribe("audio.mp3")

# 输出文字 print(结果["text"])

依赖 Python 3.8+ PyTorch openAI-whisper ffmpeg 注意事项 首次使用会下载模型（1-10GB） 大模型需要较多内存 中文识别效果很好