starmen1265
1fa90ac21c
- 重写 download_video 使用 yt-dlp + Netscape cookie 文件 - 支持 BILIBILI_COOKIE 环境变量 - 更新默认质量为 720P - 更新 SKILL.md 文档 环境变量已在 ~/.bashrc 中配置
37 lines
1.2 KiB
Markdown
37 lines
1.2 KiB
Markdown
# 2026-02-13 语音识别工作记录
|
||
|
||
## 目标
|
||
整合说话者分离（speaker diarization）到 kb-whisper 工作流，替换 OCR 为 Whisper 视频转文字
|
||
|
||
## Passwordless Sudo 配置成功
|
||
```bash
|
||
sudo visudo -f /etc/sudoers.d/nopasswd
|
||
# 内容：starmen1265 ALL=(ALL) NOPASSWD: ALL
|
||
sudo chmod 0440 /etc/sudoers.d/nopasswd
|
||
sudo visudo -c # 验证：parsed OK
|
||
```
|
||
|
||
## 降级操作（解决兼容性问题）
|
||
| 库 | 从 | 到 | 原因 |
|
||
|---|---|---|---|
|
||
| torch | 2.10.0 | 2.8.0 | speechbrain 需要旧 API |
|
||
| torchaudio | 2.10.0 | 2.8.0 | speechbrain 需要 list_audio_backends() |
|
||
| NumPy | 2.x | 1.26.4 | pyannote 3.1.1 需要 |
|
||
| huggingface_hub | 1.4.1 | 0.19.4 | pyannote 3.1.1 需要 use_auth_token |
|
||
| pyannote.audio | 4.0.4 | 3.1.1 | 4.x 与 torch 2.10 兼容性问题 |
|
||
|
||
## 用户指令
|
||
- 只允许修改 `speaker_diarization.py` 中的 segmentation 配置
|
||
- 停止所有其他修改
|
||
- 暂停说话者分离工作
|
||
|
||
## 下一步
|
||
- 使用已有的 kb-whisper 方案（Whisper.cpp）
|
||
- 暂停说话者分离（speaker diarization）
|
||
- 等待后续指令
|
||
|
||
## 当前环境
|
||
- whisper.cpp: ~/whisper.cpp
|
||
- whisper 模型: ggml-base.bin
|
||
- kb-whisper 脚本: skills/kb-whisper/whisper.py
|