whisper-transcribe-summarize

本地 Whisper 语音转文字，自动生成清理文本、书面整理稿和结构化总结稿。支持音频和视频输入，全程离线。

本地语音转文字 + 文本清理 + 整理稿 + 总结稿。全程离线，不依赖外部接口。

适用场景

• 本地离线语音转文字
• 把 mp3 / wav / m4a / mp4 / mov 等音视频转成文字
• 转录后自动生成清理文本、书面整理稿、结构化总结稿
• 下载 Whisper 模型到本地，重复使用

包含脚本

• scripts/download_whisper_model.py — 模型下载
• scripts/local_whisper_transcribe.py — 转录

依赖

• python3
• ffmpeg
• openai-whisper（未安装时执行 python3 -m pip install -U openai-whisper）

模型下载

bash

python3 scripts/download_whisper_model.py medium

可选模型：tiny / base / small / medium / large

推荐：中文用 medium，追求速度用 base 或 small。模型下载到 ~/.cache/whisper。

转录命令

bash

python3 scripts/local_whisper_transcribe.py "/路径/文件.mp4"
python3 scripts/local_whisper_transcribe.py "/路径/文件.mp3" --model medium
python3 scripts/local_whisper_transcribe.py "/路径/文件.mp3" --output "/路径/结果.txt"

支持音频和视频输入，视频通过 ffmpeg 自动提取音频。

输出

默认输出 <源文件名>_whisper.txt，指定 --output 可自定义路径。

执行流程

1. 确认文件存在。
2. 未安装 whisper 则先安装。
3. 模型未缓存则先下载。
4. 执行转录。
5. 对转录文本进行基础清理。
6. 默认生成整理稿和总结稿（用户说"只转录"则跳过）。

转录文本基础清理

原始转录往往是繁体、无标点、有重复的粗糙文本，需要进行以下清理：

1. 繁转简：繁体中文转简体。
2. 加标点分段：补全标点，按语义分段。
3. 去口语赘余：去除"嗯"、"啊"、"就是说"等无意义填充词。
4. 去重复/幻觉：删除语音识别产生的重复片段。
5. 修错别字：修正常见识别错字（如"维铭"→"文明"）。
6. 保留原意：只做清理，不改写、不重组。

清理后覆盖保存到 <源文件名>_whisper.txt。

整理稿

默认文件名：<源文件名>_整理稿.txt

整理稿不是逐句清理，而是将口语转录完全重写为流畅的书面文章。

重写要求

1. 去口语化：彻底去除口语痕迹（语气词、重复、卡顿等）。
2. 第三人称：原文的"我"改为"作者/导演/分析者"或省略。
3. 逻辑重组：按逻辑而非时间线组织，相关内容合并到同一段落。
4. 散文体：连贯段落（每段 3-8 句），不用列表，不用清单式写法。
5. 概括性标题：文章开头给一个概括主题的标题。
6. 保留全部内容：专业术语和分析洞见完整保留，只是换更精炼的表达。
7. 繁转简 + 修错字。
8. 篇幅：约为原始转录的 60%-80%。
9. 忠于原文：不编造、不添加原文未涉及的内容。

语言风格

1. 精简克制：不堆砌修饰词，少用"极为"、"本质上"等加重词。
2. 结构标记：用"第一幕"、"随着"、"接下来"、"至此"等词标记内容推进。
3. 主题升华：关键段落要有总结性提炼，不只描述发生了什么，还要归纳意味着什么。避免过于直白的口语表达。
4. 结尾总结：最后一段跳出具体分析，对全篇做整体评价，回扣主题。
5. 段落饱满：完整发展一个想法再换段，小观点揉进同一段落。
6. 最终效果：读起来像独立撰写的专业文章，而非清洗过的转录稿。

总结稿

默认文件名：<源文件名>_总结稿.md + <源文件名>_总结稿.html

在整理稿基础上生成结构化摘要，同时输出浏览器可直接查看的 html 版本。

格式要求

• 顶部引用块写一句话概括
• 关键术语和核心结论加粗高亮
• 用分割线划分大区块
• 章节标题用 ### 第X部分 | 标题 格式
• 原文摘录中的关键词也加粗

md

# 标题

> **一句话概括**：全文主题

---

## 核心摘要
- **要点一**：结论
- **要点二**：结论

---

## 结构拆解

### 第一部分 | 标题
- **关键点**加粗，其余正常

---

## 关键观点

### 1. 观点标题
简洁解释，**核心结论加粗**。

---

## 原文摘录
> 原文片段，**关键词加粗**

html 版本

用 Python markdown 库将 .md 转为带样式的 .html：

• 标题有层级大小
• 加粗文字红色高亮
• 引用块蓝色左边框 + 浅蓝背景
• 正文居中，最大宽度 860px
• 自动在浏览器中打开

注意事项

• 默认自动生成整理稿和总结稿，无需用户额外要求
• 用户说"只转录"、"不要整理"、"只要原文"时跳过整理和总结
• 不使用外部语音识别接口
• 不编造原文未涉及的信息
• 不在脚本中硬编码用户路径

回复格式

执行完成后只报告：

• 是否成功
• 使用的模型
• 转录的文件
• 转录文本路径
• 整理稿路径
• 总结稿路径

示例

用户：帮我把 whisper medium 模型下到本地 → 执行 scripts/download_whisper_model.py medium

用户：用本地 whisper 把这个 mp4 转成文字 → 执行 scripts/local_whisper_transcribe.py，返回转录路径