Pythonhunter-transcription

捕蛇者说文字稿

温馨提示

• large模型占用空间约2G，请注意预留充足SSD空间。
• 批量转的vtt可能没有毫秒。

参考代码

获取篇目

可访问 https://pythonhunter.org/feed/audio.xml 获取所有过往播客内容

获取URL

curl -s https://pythonhunter.org/feed/audio.xml | grep -oE 'enclosure url="([^"]+)"' | cut -d\" -f 2 > meta_url.txt

获取标题

curl -s https://pythonhunter.org/feed/audio.xml | grep -oP '<title>\s*<!\[CDATA\[\K[^]]*' > meta_title.txt

请注意，这样获取的title在特别篇并不完整，并且存在一些不是title的也被扩充进来，请手动校对令其和url一样长（尚未自动化）

合并与下载

见 /src/merge_and_download.py

文本处理

使用Whisper转换文本

whisper ep0.mp3 --language=Chinese --model large --initial_prompt="以下是普通话的句子。"

清理不需要的多格式输出文件

我们假设你直接从Terminal里面复制文本（而不是输出到文件（或者输出到.srt/.tsv/.txt/.vtt/.json以外的格式））

见 /src/cleanup.py

VTT转whisper格式

见 /src/vtt_2_whisper.py