通过批处理脚本.bat实现音视频文件的批量语音识别_(:3」∠)_

功能如下

• 输入命令行（也可使用预设：令第一个字符为1或2）

• 使用通配符来选取文件

• 统计文件数量及类型

• 文件自动分组（避免命令行超出8191个字符的限制）

• 运行时间统计（24小时以内，如超出则自行计算天数即可）

上面第二张图片是Whisper-CTranslate2的运行结果，它基于Faster-Whisper项目，与旧OpenAI Whisper命令行兼容。在保证精度的同时，占用内存更少，运行速度更快，且支持用彩色显示单词置信度，非常推荐哦。仓库：https://github.com/Softcatala/whisper-ctranslate2

脚本使用方面，复制代码到文本文档，改后缀为.bat，将其与待处理文件放在同一个目录下，直接运行就可以了

如果嫌要把.bat文件移来移去太麻烦的话，可以把它放在一个固定的位置，比如D:\cmd_AutoRun\Process.bat，然后在cmd中用doskey命令给调用.bat的命令（call）设置一个别名，比如

这样就可以在cmd中输入“wbat”来直接调用脚本文件了，但是这个命令只对当前窗口有效。如果要每次打开cmd都可以使用别名的话，需要修改注册表，具体请搜索“cmd命令别名”
修改成功之后，在文件目录shift+右键，“在此处打开命令窗口”，再输入定义的别名可以调用了。当然，在资源管理器的地址栏输入“cmd”也是同样的效果

Process.bat

一些关于脚本的说明

1.输入命令行

可以直接输入Whisper命令，并用%i来代替文件名，例如

也准备了两种预设，方法是使第一个输入的字符为1或2，脚本会将1或2替换为对应的不完整命令，所以后面还需要补充参数。如“1medium”、“2small -f txt”等等

2.通配符

*表示任意数量的字符，?表示单个字符

如*.wav表示所有的wav文件，??x.ogg表示所有结尾为x的三字符ogg文件

要选取多种文件，只需将表达式用半角逗号或空格隔开。如*.ogg,*.mp4 *.flac

如果当前目录下全部文件都需要处理，只要输入一个*就可以了

更详细的cmd通配符用法请搜索“cmd通配符”

3.临时文件

脚本在运行过程中会创建名为“process_output.txt”的文件来存放信息，并在运行完成后删除

如果当前目录下正好有同名文件，请一定一定要将其转移或备份，否则会被删掉的哦

4.脚本思路

核心思路来源于OpenAI Whisper官网的这句示例

一条whisper命令可以输入多个文件名，只要把他们用空格隔开就好了。脚本所做的事情其实就是将这些文件名整合到形式变量%i中。并且考虑到命令行有8191个字符限制，所以要将过多的文件分组。

看似比较繁琐，不如用for循环遍历所有文件，然后每个文件执行一次命令来得方便
但是经过测试，多文件合并输出的方法相较单文件，处理的速度要快上不少。尤其是在大模型、多个小文件的情况下。推测是每次执行命令就会加载一次模型，而后者将太多时间花在模型的加载上，所以速度较慢。

下面是验证过程

可以看出，在large-v2模型，5个短音频（galgame角色语音）的条件下
OpenAI Whisper合并输出能节省40%左右的时间
Whisper-CTranslate2合并输出甚至能节省73%左右的时间

当然，如果处理长音频，并且样本数量比较少的话，两者的差距并不会有上面这样显著。但无论如何，合并输出的速度都是比单独输出要快的