准备环境

在开始之前，你需要一台电脑（Windows、macOS 或 Linux 都可以），并确保已经安装了 Python（一种编程语言，用来运行 AI 工具）。如果还没装，可以去 python.org 下载最新版本，安装时记得勾选“Add Python to PATH”。

接着，打开终端（Windows 用户打开命令提示符或 PowerShell，Mac/Linux 用户打开终端），输入以下命令确认安装成功：

• python --version（显示 Python 版本号）
• pip --version（显示 pip 版本号，pip 是 Python 的包管理器，用来安装其他工具）

安装 Whisper（语音识别工具）

Whisper 是 OpenAI 开源的语音识别模型，可以把音频转成文字。安装很简单，在终端里运行：

1. 输入 pip install openai-whisper 并回车，等待安装完成。
2. 安装 FFmpeg（一个处理音频和视频的工具，Whisper 需要它来读取音频文件）。
   • Windows：下载 FFmpeg 并添加路径到系统环境变量，或者用 winget install ffmpeg 安装。
   • Mac：用 Homebrew 安装 brew install ffmpeg。
   • Linux：用包管理器安装，如 sudo apt install ffmpeg。

常见坑：如果安装失败，检查网络或尝试用 pip install --upgrade pip 升级 pip。

第一次跑通：转录一段音频

找一个短的音频文件（比如自己录一段话，或下载一个测试音频），放在桌面上，记住文件路径。然后在终端里运行：

• whisper 你的音频文件路径.mp3 --language Chinese（如果是中文音频）
• 或者 whisper 你的音频文件路径.mp3（默认英文）

Whisper 会自动下载模型（第一次运行会稍慢），然后输出转录结果。你会看到文字显示在终端里，同时生成一个 .txt 文件保存结果。

如果遇到“模型太大”或内存不足，可以加参数 --model tiny 使用最小的模型，速度快但准确率稍低。

下一步可以做什么

现在你已经跑通了第一次转录！接下来可以：

• 试试不同语言的音频，比如加 --language Japanese。
• 处理更长的音频文件，Whisper 会自动分段。
• 如果你需要提高专业术语（比如医学术语）的准确率，可以尝试用 Fine-tuning（微调）技术，用你自己的数据训练模型。不过这对新手有难度，建议先熟悉基础使用。