19. 快速倾听和总结音频内容

Hi，大家好，我是茶桁。

其实到第18章的时候，我们处理文本的内容就全部都结束了，从本节课开始，我们要开始学习如何处理音频和图像。

我不知道有没有人和我一样的习性，就是比起视频和音频文件来说，还是跟喜欢看文本文件。这其中最主要的一个原因就是因为文本内容我们可以准确定位，而对于文本内容的接收速度还取决于我们输入设备（眼睛和处理信息的脑部）速度。而音频或者视频则不然，我们必须听完讲述者所说的话，即便你开到2倍速，速度依然受限，而且无法准确定位。那有没有什么办法能快速完成对音频文件内信息的获取呢，自然就是将语音内容转换成文本的能力。

其实到这一步，类似于Premiere或者剪映等剪辑软件都可以完成，不仅如此，在AI大行其道的今天，市面上应该也有不少Audio2Text的服务或者应用。接下来，我们要讲的就是一个杀手级服务了。

没错，我要说的自然就是OpenAI， 和大多数人对OpenAI的固有印象不同的是，OpenAI其实早就发布了一个通用的语音识别模型「Whisper」， 还将对应的代码开源了。并且在今年1月份的时候，API内也提供了对应的语音识别服务。

下面我们来一起看看这个Whisper到底可以怎么用（那些需要总结会议内容，还有总结其他人语音教程的人有福了。）

由于本文在其他平台已经成为收费文章，为了避免损害付费会员权益，所以此处做删减处理。

希望继续观看的可进入专辑。

请订阅我的公众号: