本文介绍两种方法实现在线语音转文字效果，使用非常简单的三行代码即可实现语音文件转文字，不用自己配置环境，非程序员也可以操作成功。

一、使用Google Colab实现在线转换

前提条件：需要科学上网，登录谷歌账号

1、登录Google搜索首页，选择Google Drive（云端硬盘）

2、点击新建→更多→关联更多应用

3、搜索Colaboratory，点击第一个应用

4、如果初始未安装，就展示的是安装Install，点击安装等待安装完成。因为我已经安装过，所以展示的是卸载。

5、安装完成后，就可以在更多应用中看到Google Colaboratory应用，点击进入。

6、给当前文件命名为：录音转文本.ipynb，设置更改运行时类型，可选择Python3+T4 GPU，

7、设置完成后，需要执行四步完成转换工作。

① 点击右上角连接，等待连接成功。

💡 这里需要特别注意：GPU免费版可以使用12个小时，不使用的时候记得断开连接，不然空闲着也会扣减时长。

如果后续提示GPU收费，就可以换成CPU运行，但是速度会慢很多。还想继续使用这类的功能，可以看我写的思维拓展部分，使用别的GPU提供平台，如ModelScope等。

② 连接成功后，在左边代码块中输入以下两句安装使用的包，这两个包的安装只需要执行一次就可以。

第一行是安装OpenAI提供的Whisper模型包；

第二行是安装FFmpeg，这是处理音频文件和视频文件的一个包。

!pip install git+https://github.com/openai/whisper.git
!sudo apt update && sudo apt install ffmpeg

执行成功，如下图：

③ 以上两句执行完成之后，在左侧文件板块上传想要转文字的录音文件。

④ 点击【+代码】会新增一个空的代码块，输入以下语句并执行，输出中文简体的转换结果：

!whisper "上传的录音文件名(根据实际名字修改).m4a" --model medium --language Chinese --initial_prompt "以下是简体中文的输出。"

参考：

说明：

--model 指定使用的模型，有五种选择，模型越大所需要的硬件性能越高，一般使用medium即可。

--language 指定输出的语言，输出中文指定Chinese

--initial_prompt 因为中文简体和繁体都属于Chinese范围，但是我们习惯使用简体字，所以使用这个条件可以指定具体输出哪种字体。如果跟着是中文简体，就会输出中文简体；如果跟着的是繁体字，输出就是繁体字。

⑤ 输出的结果会在左边文件浏览部分显示，会生成很多种类型的文件（json、srt、tsv、txt、vtt），我们下载txt文件即可。如果未展示，尝试刷新文件列表。

二、思路扩展：使用ModelScope（国内可用）

只要能够提供在线GPU配置的，都可以使用这三行代码实现语音转文件输入。

以下使用ModelScope的在线资源演示，进入网站：www.modelscope.cn/my/overview

1、登录注册，如果提示和阿里云绑定，就输入相应的账号密码。

2、注册完成后，进入首页→我的Notebook，这里面有两个Tab页，PAI-DSW有36小时免费时长使用GPU，阿里云弹性加速计算EAIS有64小时免费时长。这里选择阿里云的GPU环境启动。

3、启动后，进入Notebook

4、新建Python3的笔记本

5、参考以上的步骤7，左侧上传录音文件，右侧执行关键的三行代码。不需要使用的时候，记得右上角关闭实例，否则会一直扣除时长。

关键代码：

!pip install git+https://github.com/openai/whisper.git
!sudo apt update && sudo apt install ffmpeg

!whisper "上传的录音文件名(根据实际名字修改).m4a" --model medium --language Chinese --initial_prompt "以下是简体中文的输出。"

可能出现的问题：

如果解析的结果出现【请不吝点赞订阅转发打赏支持明镜与点点栏目】。

原因：音频文件前部分如果是音乐或者其他声音，模型无法识别，

解决方案：调整音频文件，尽量从正式说话开始录音。