将视频转化为文本文件

1. 问题描述

最近在学习英语的时候发现视频只有音频资源，没有字幕，这时需要将音频资源转化为文本资源，方便后续温习的时候看资料。在网上找了很多工具，发现，要么是付费资源，要么就是无法转化，于是萌生了自己写脚本转化的念头。因此，在 AI 工具的加持下，实现此功能。

2. 代码

import os
import whisper
import subprocess

# Step 1: Define the YouTube video URL
youtube_url = "https://www.youtube.com/watch?v=Mr_L_owrCP8&list=PLTiMgEXm7hVbPxGFRiQY_HzkxwDsKssRh&index=1"

# Step 2: Download audio using yt-dlp
audio_filename = "video_audio.mp3"
command = [
    "yt-dlp", "-x", "--audio-format", "mp3",
    "-o", audio_filename, youtube_url
]

print("Downloading audio from YouTube...")
subprocess.run(command, check=True)
print("Download complete!")

# Step 3: Load Whisper model
print("Loading Whisper model...")
model = whisper.load_model("base")  # You can change "base" to "small", "medium", or "large" for better accuracy

# Step 4: Transcribe audio
print("Transcribing audio...")
result = model.transcribe(audio_filename)

# Step 5: Save transcription to a file
transcription_file = "transcription.txt"
with open(transcription_file, "w", encoding="utf-8") as f:
    f.write(result["text"])

print(f"Transcription complete! Check {transcription_file}")

此功能基本已经实现转化为文本资源，后续还可以优化，比如，将 txt 文件自动放到文件夹中，不过目前已经可以使用，此外，目的主要是学习英语，因此，暂时不做优化。