Whisper转录进阶：高效生成带时间戳的SRT字幕文件与说话人分离集成

1
00:00:01,500 --> 00:00:04,250
这是一段示例字幕。

2
00:00:05,000 --> 00:00:07,800
它展示了SRT的结构。

import os
import whisper
from tqdm import tqdm

# 辅助函数：将秒数转换为SRT所需的时间戳格式
def format_timestamp(seconds):
    milliseconds = int((seconds - int(seconds)) * 1000)
    seconds = int(seconds)
    minutes = seconds // 60
    hours = minutes // 60
    seconds %= 60
    minutes %= 60
    return f"{hours:02d}:{minutes:02d}:{seconds:02d},{milliseconds:03d}"

# 定义存放mp4文件的根目录
# 注意：Windows路径建议使用原始字符串（r"C:Video"）或双反斜杠（"C:\Video"）
root_folder = r"C:Video" 

# 初始化Whisper模型
print("正在加载Whisper模型...")
model = whisper.load_model("base") # 可以根据需求选择更大的模型，如"small", "medium", "large"
print("Whisper模型加载完成。")

# 统计待处理的mp4文件数量
print("正在统计待转录文件数量...")
num_files = sum(1 for dirpath, dirnames, filenames in os.walk(root_folder) for filename in filenames if filename.endswith(".mp4"))
print(f"待处理文件数量: {num_files}")

# 遍历文件并转录，同时显示进度条
with tqdm(total=num_files, desc="文件转录中") as pbar:
    for dirpath, dirnames, filenames in os.walk(root_folder):
        for filename in filenames:
            if filename.endswith(".mp4"):
                filepath = os.path.join(dirpath, filename)
                print(f"正在转录: {filepath}...")

                # 执行转录，verbose=False避免Whisper的详细输出干扰进度条
                # fp16=False确保在CPU或不支持FP16的GPU上运行，或需要更高精度时使用
                result = model.transcribe(filepath, fp16=False, verbose=False)

                # 构建SRT文件路径
                filename_no_ext = os.path.splitext(filename)[0]
                srt_filepath = os.path.join(dirpath, filename_no_ext + '.srt')

                # 将转录结果写入SRT文件
                with open(srt_filepath, 'w', encoding='utf-8') as f:
                    for i, segment in enumerate(result['segments']):
                        start_time = format_timestamp(segment['start'])
                        end_time = format_timestamp(segment['end'])
                        text = segment['text'].strip() # 清理文本两端的空白符

                        f.write(f"{i + 1}
") # 写入序号
                        f.write(f"{start_time} --> {end_time}
") # 写入时间戳
                        f.write(f"{text}

") # 写入文本内容，并留一个空行分隔

                print(f"SRT文件已保存至: {srt_filepath}")
                pbar.update(1) # 更新进度条