49 lines
1.4 KiB
Markdown
49 lines
1.4 KiB
Markdown
# 2026-02-13
|
||
|
||
## 视频音频转文字方案检查
|
||
|
||
### 方案组件
|
||
- **kb-whisper**: Whisper.cpp 本地语音识别
|
||
- **kb-funasr**: 阿里 FunASR 本地语音识别
|
||
|
||
### 发现
|
||
- 两个工具都直接支持视频文件输入
|
||
- 内部自动通过 ffmpeg 处理音频提取和格式转换
|
||
- 无需单独的视频→音频提取步骤
|
||
|
||
### 待确认事项
|
||
- whisper.cpp 是否已安装（应位于 ~/whisper.cpp）
|
||
- CUDA/PyTorch 相关包（torch-2.10.0, torchaudio-2.10.0）已安装完成
|
||
|
||
---
|
||
|
||
## Whisper.cpp 迁移与模型下载
|
||
|
||
### 执行操作
|
||
- whisper.cpp 原位于 `~/libs/whisper.cpp`
|
||
- 移动到默认位置 `~/whisper.cpp`
|
||
- 使用 hf-mirror 下载中文模型 ggml-base.bin（147MB）
|
||
|
||
### Whisper 编译受阻
|
||
- 需要 cmake 编译 whisper.cpp
|
||
- 执行 `make` 报错：cmake 未安装
|
||
- 需要 sudo 权限安装 cmake（当前环境不支持）
|
||
|
||
---
|
||
|
||
## KB Workflow 优化
|
||
|
||
### 修改内容
|
||
- 步骤5：从 OCR（kb-ocr-processor）切换为 Whisper（kb-whisper）
|
||
- 移除了 content_subtitles 目录（不再需要）
|
||
- 输出格式更新为 `{platform}_{id}.txt` 和 `{platform}_{id}.json`
|
||
|
||
### 测试视频
|
||
- 视频：新加坡分区漫游指南（BV1Z9nXzUEhv）
|
||
- 由于 Whisper 未编译，临时使用 FunASR 完成语音识别
|
||
- 分析报告已生成并归档
|
||
|
||
### 待办
|
||
- 编译 whisper.cpp：`cd ~/whisper.cpp && make`
|
||
- 需要手动执行 sudo apt-get install cmake
|