准备工作：你需要什么？

要跑通语音转文字，你需要一台电脑（Windows / macOS / Linux 都可以），以及一点耐心。核心工具是 OpenAI Whisper，一个免费的开源模型，能把音频文件直接变成文字。它支持中文、英文等多种语言，而且你不需要联网也能用。

安装步骤

下面三步就能装好：

1. 安装 Python：Whisper 需要 Python 3.8 以上版本。去 python.org 下载安装包，安装时记得勾选“Add Python to PATH”。
2. 安装 FFmpeg：Whisper 用它处理音频。Windows 用户可以从 ffmpeg.org 下载，解压后把 bin 文件夹路径加到系统环境变量 Path 里。macOS 用户用 Homebrew 安装：brew install ffmpeg。
3. 安装 Whisper：打开终端（Windows 用命令提示符或 PowerShell），输入：pip install openai-whisper。等待下载完成即可。

验证是否成功

找一段短的录音（比如 30 秒的 MP3 文件），在终端里输入：whisper 你的音频文件.mp3 --model tiny --language zh。第一次运行会下载模型（几百 MB），之后就能看到文字逐句输出。如果看到中文文字，恭喜你成功了！

常见坑与下一步

• 坑 1：安装 FFmpeg 后终端报错“ffmpeg 不是内部命令”。检查环境变量有没有加对，重启终端再试。
• 坑 2：音频太长或噪音大，结果不准确。先用 Audacity 等工具把音频裁剪、降噪，再喂给 Whisper。
• 下一步：你可以把输出保存成 txt 文件：whisper 音频文件.mp3 --output_format txt。然后就能复制到文档里用了。

现在你已经能跑通语音转文字了。试试把你的会议录音、播客片段转成文字，你会发现效率提升一大截。