之前在某宝上买了两个拆机硬盘，这个文章（《我在二手硬盘里发现了一堆不可描述的内容》）有描述其中的内，后来觉得很鸡肋，然后送我朋友了。
没多久，那家伙吞吞吐吐问我那个硬盘坏了能不能修复，我搞不明白他对硬盘塞了什么不可描述的内容，导致其承受不了崩了，我在这个文章（《一块不可描述的硬盘坏了，又不好意思去修……》）讲了这个事情的经过。
最后，反正我没修好，也不知道他对硬盘干了啥。他知道我没帮他修好硬盘，将大腿都拍烂了。
又过了段时间，他找我唠叨，说看片没字幕，很好奇里面是啥剧情。我跟他说网上一大堆字幕网站，很容易找到影片对应的字幕文件的。
他说找不到的，真的找不到，然后又在叹气，说好不容易下了几个4K HDR的片子，画面贼溜，就是缺了字幕，很是遗憾。
我还在纳闷啥玩意呢，听他这么说似乎瞬间又明白他看得是啥片子了。
我一下子也不知道怎么搞，直接跟他说：要不你学学这门外语？你之前为了批量爬取这些信息把Python都啃下了，这对你来说还不是“湿湿碎”？！
他没理我，过一会他突发奇想，说最近Deepseek很火，能不能用AI帮忙搞搞？辅助看片 or 提取字幕？
咦？对于身为程序员且颇有好奇心的我，为啥不试试呢？我对不可描述技术研究可是很感兴趣的。
用AI辅助看片？我以前真没想过这种操作！
AI同声传译
于是我发挥我的想象力，把手机摆在电脑旁边，开着AI实时语音翻译或同声传译功能？
但是，这样也能解决问题，但总觉得怪怪的。
在线音频提取文字
于是乎，从网上搜提取字幕的工具或方法，但是经验告诉我：别用度娘，浪费时间浪费精力！
呵呵，广告！在线提取……
这里提个醒，不要将不可描述的内容上传到网上哈，不然分分钟被警察叔叔找你喝茶都不知道怎么回事。
然后呢，好像都不尽如意！
Whisper
不是说用AI辅助看片吗，这事肯定问AI啊。
于是我问好几个AI（中间结果我就不展示了），最终发现还是鼎鼎大名的Deepseek给我的答案靠谱点。
他贴心地告诉我，提取字幕的方法分两类：提取内嵌字幕和通过语言识别生成字幕。而且，还给我做了个总结。
他不知道我问这个问题是想用AI帮忙看片哈，第一种方法是不适用的，我想要的是第二种。
看名字，好像Whisper很厉害的样子，窃窃私语都能懂。
接着，我从OpenAI的官网找到这个Whisper。
Whisper是一个自动语音识别系统，它是在从网络上收集的 68 万小时的多语言、多任务监督数据上进行训练的。
然后，看这配图，不觉明历！
表面上的原理很简单，它是一个end-to-end模型，实现一个encoder-decoder的转换，输入的音频会被切片成30秒的小块，然后就巴拉巴拉……
好吧，这原理我看不懂，反正觉得它应该搞得定。
怎么玩呢？
首先要安装whisper，如果用Python的话，还要安装PyTorch
pip install -U openai-whisper或者
pip install git+https://github.com/openai/whisper.git 然后下载模型包。注意，这是AI模型来的，所以要下载人家训练好的模型来使用。这里有6种模型，存在性能和准确度的差异，以下官方提供了个表做对比：
tiny.en | tiny | ||||
base.en | base | ||||
small.en | small | ||||
medium.en | medium | ||||
large | |||||
turbo |
你不知道用哪个，都下几个来试试。
这不用说，肯定是越大就越精确，但是就运行效率越低，那你就根据你的电脑性能来选咯。
在哪下载模型呢？
在huggingface.co上可以下载，但是要技术上网，你懂的。如果你不懂，继续往下看，还有方法解决。
还有另一种，就是找国内的镜像了，例如gitee上面就能找到(https://gitee.com/organizations/hf-models/projects)。
好了，那怎么用呢？
import whisper# 加载模型model = whisper.load_model("large - v2")# 转录音频文件result = model.transcribe("path_to_your_audio_file.wav")# 打印识别结果print(result["text"])
就这样，简单吧。
还有命令行方式的
whisper audio.flac audio.mp3 audio.wav --model turbo当然也可以指定语言的，例如Japanese
whisper japanese.wav --language Japanese此时，你提取的文字是日文的哦，看得懂当我没说，不行的话就去翻译吧（这一步简单，我就不啰嗦了）。
然后把字幕扔到播放器就可以愉快地看片了
你还可以通过--help查看相关参数使用。
whisper --help但是，还是有点麻烦啊。
PotPlayer+Whisper
PotPlayer 241212 版本新增了使用 Whisper 从语音生成字幕的功能，用PotPlayer播放视频可实现识别音频为字幕的功能。
步骤：
右键打开菜单
点击“字幕”
点击“创建有声字幕”
点击“创建有声字幕……”
然后再打开的对话框里选择参数
这里看一眼就懂了，注意这里这个“型号”就是大模型的名称，例如图中的medium表示faster-whisper-medium模型。
如果你的电脑配置牛逼，你可以选large-v3，这个模型的精确度高很多，当然你要提前下载好这些模型。
完了吗？
Potplayer还给你提供自动翻译的途径。就是这里哈
你可以点击上面的“实时字幕翻译设置……”
这个不难，有兴趣的同学你自己研究吧。
好了，好了。方法有了，软件也装好了，片呢？
我朋友不肯给我片子啊！
回头翻了下前面几个文章，我也不知道，为什么这几篇文章的阅读量那么高，而且比其他的高得离谱。是不是很多人对这个“不可描述”感兴趣，还是平台热度问题。
要是我这个文章超过100个赞，老子豁出去了，将我朋友摁在地上，开个专栏，让他写那个“学Python”的经过，你懂的！
更多内容，请关注“嵌入式软件实战派”！
看完别走，记得点赞、点关注啊！
相关文章>>>
一块不可描述的硬盘坏了，又不好意思去修……
我在二手硬盘里发现了一堆不可描述的内容
