准备环境

你需要一台电脑（Windows / Mac / Linux 都行），能联网，装好两个工具：FFmpeg（处理音频的万能工具）和 Whisper（OpenAI 的免费语音转文字模型）。

• FFmpeg 下载：去 ffmpeg.org 点 Download，选你的系统版本，解压后把 bin 文件夹加入系统 PATH。
• Whisper 安装：打开终端，输入 pip install openai-whisper。如果没装 Python，先去 python.org 下载 3.8 以上版本。

常见坑：Windows 用户装 Whisper 前要先装 PyTorch（一个 AI 计算库），去 pytorch.org 选你的系统，复制命令运行。

处理音频文件

Whisper 喜欢干净的音频。用 FFmpeg 把录音转成标准格式：

1. 打开终端，进入音频所在文件夹。
2. 运行命令：ffmpeg -i 你的文件.wav -ar 16000 -ac 1 -af silenceremove=1:0:-50dB 输出.wav。这会把音频变成 16kHz 单声道，并删除静音段。
3. 如果原文件是视频，先提取音频：ffmpeg -i 视频.mp4 -vn 音频.wav。

常见坑：立体声或低采样率会让 Whisper 乱猜词，务必转成 16kHz 单声道。

运行 Whisper 转文字

在终端输入：whisper 输出.wav --model tiny --output_format json。等几分钟，你会得到一个 JSON 文件。

• 模型 tiny：最小最快，没显卡也能用，准确度对对话足够。
• JSON 格式：包含每句话的开始时间、结束时间和文字，方便后续校对。

常见坑：第一次运行会下载模型，大约 100MB，请保持网络畅通。

整理草稿

JSON 文件直接看很乱。写一个简单脚本（或手动复制）提取文字和时间戳：

1. 用记事本打开 JSON，找到 segments 数组，里面每个对象有 start、end、text。
2. 把 text 按时间顺序拼成段落，每行前面加上 [00:01:23] 这类时间戳。
3. 删掉“嗯”“啊”等口头禅，保留关键信息。

常见坑：不要直接复制纯文字输出，没有时间戳后面校对会崩溃。

下一步可以做什么

你已经有了一篇带时间戳的草稿。接下来可以：

• 把草稿贴到博客编辑器里，加标题和分段。
• 用 Dev.to 等平台发布，注意标题用 H1，正文从 H2 开始。
• 尝试更大的模型（如 base、small）提高准确率，但需要 GPU。

记住：AI 只是帮你省打字时间，最终的文章质量靠你删改和重组。跑通一次后，你就能批量处理录音了。