碎碎念
不说了先上图
所以说，代替老师去开会去了，但是嘛，有个问题，长达接近两个小时的时间，现在的语音转文字问题都完成不了了，主要是因为时长问题，要么需要收费，要么是慢的要死，转换到一半因为各种网络问题中断了，因此只能尝试自己实现这个功能了，老规矩，先用SDFMU的圣遗物，搭建环境就好。
实操
sudo apt update
sudo apt install ffmpeg
pip install setuptools-rust
pip install openai-whisper pydub代码
import whisper
from pydub import AudioSegment
import os
import glob
import torch
from multiprocessing import Pool, cpu_count
import time
import multiprocessing
# --- 可配置参数 ---
# Whisper 模型选择: 'tiny', 'base', 'small', 'medium', 'large'
# 'base' 在速度和准确性之间取得了很好的平衡。
# 'large' 精度最高，但需要更多显存和时间。
MODEL_NAME = "large"
# 音频文件格式
AUDIO_FORMAT = "m4a"
def convert_m4a_to_wav(m4a_filepath: str) -> str:
"""
将 M4A 音频文件转换为 WAV 格式。
Args:
m4a_filepath (str): 输入的 M4A 文件路径。
Returns:
str: 输出的 WAV 文件路径, 如果失败则为空字符串。
"""
wav_filepath = os.path.splitext(m4a_filepath)[0] + ".wav"
try:
audio = AudioSegment.from_file(m4a_filepath, format="m4a")
audio.export(wav_filepath, format="wav")
return wav_filepath
except Exception as e:
print(f"[错误] 文件 {m4a_filepath} 转换失败: {e}")
return ""
def transcribe_task(args):
"""
单个音频文件的完整处理工作流（转换和转录），由一个独立的进程执行。
Args:
args (tuple): 包含 (m4a_filepath, gpu_id) 的元组。
"""
m4a_filepath, gpu_id = args
process_name = f"[GPU-{gpu_id} | {os.path.basename(m4a_filepath)}]"
# 1. 设置当前进程使用的GPU
# os.environ['CUDA_VISIBLE_DEVICES'] 会限制这个进程只能看到指定的GPU
os.environ['CUDA_VISIBLE_DEVICES'] = str(gpu_id)
print(f"{process_name} 开始处理...")
# 2. 转换 M4A 到 WAV
print(f"{process_name} 正在将 M4A 转换为 WAV...")
wav_file = convert_m4a_to_wav(m4a_filepath)
if not wav_file:
print(f"{process_name} 转换失败，任务终止。")
return
# 3. 加载 Whisper 模型到指定的GPU
# 由于已经设置了 CUDA_VISIBLE_DEVICES，PyTorch 会自动将模型加载到正确的 GPU 上
print(f"{process_name} 正在加载 Whisper '{MODEL_NAME}' 模型...")
try:
model = whisper.load_model(MODEL_NAME)
except Exception as e:
print(f"{process_name} 加载模型失败: {e}")
return
# 4. 执行转录
print(f"{process_name} 开始转录 WAV 文件...")
try:
# 增加更多参数以获得更好的中文识别效果
result = model.transcribe(
wav_file,
language="zh", # 指定语言为中文
fp16=torch.cuda.is_available(), # 自动检测是否使用 fp16
verbose=False # 在并行处理时建议关闭详细日志，避免输出混乱
)
transcribed_text = result["text"]
except Exception as e:
print(f"{process_name} 转录时发生错误: {e}")
return
# 5. 打印并保存结果
print(f"{process_name} 转录完成！")
print("-" * 20)
print(f"文件: {os.path.basename(m4a_filepath)}\n识别结果: {transcribed_text[:100]}...")
print("-" * 20)
output_txt_file = os.path.splitext(m4a_filepath)[0] + ".txt"
try:
with open(output_txt_file, 'w', encoding='utf-8') as f:
f.write(transcribed_text)
print(f"{process_name} 结果已保存到: {output_txt_file}")
except Exception as e:
print(f"{process_name} 保存文件时出错: {e}")
# 6. (可选) 清理临时的WAV文件
try:
os.remove(wav_file)
print(f"{process_name} 已删除临时文件: {wav_file}")
except OSError as e:
print(f"{process_name} 删除临时文件 {wav_file} 失败: {e}")
# --- 主程序 ---
if __name__ == "__main__":
# 设置多进程启动方法为 'spawn'，必须在程序入口处设置
# 这是解决 "Cannot re-initialize CUDA in forked subprocess" 错误的关键
multiprocessing.set_start_method('spawn', force=True)
start_time = time.time()
# 检查是否有可用的NVIDIA GPU
if not torch.cuda.is_available():
print("错误：未检测到可用的 NVIDIA GPU。请检查您的驱动和 PyTorch 安装。")
exit()
num_gpus = torch.cuda.device_count()
print(f"检测到 {num_gpus} 张可用的 GPU。")
# 查找当前目录下所有的 m4a 文件
audio_files = glob.glob(f'*.{AUDIO_FORMAT}')
if not audio_files:
print(f"错误：在当前目录下未找到任何 '.{AUDIO_FORMAT}' 文件。")
exit()
print(f"找到 {len(audio_files)} 个音频文件准备处理。")
# 为每个文件创建一个任务，并轮流分配 GPU
# 格式为 [(文件路径1, GPU_ID_1), (文件路径2, GPU_ID_2), ...]
tasks = [(file_path, i % num_gpus) for i, file_path in enumerate(audio_files)]
# 使用与GPU数量相等的进程池来并行处理任务
# Pool 会自动管理进程的创建和销毁
with Pool(processes=num_gpus) as pool:
pool.map(transcribe_task, tasks)
end_time = time.time()
print("\n--- 所有任务处理完毕 ---")
print(f"总计用时: {end_time - start_time:.2f} 秒")
单卡环境优化
import whisper
from pydub import AudioSegment
import os
import torch
from multiprocessing import Pool, set_start_method
import time
# --- 可配置参数 ---
MODEL_NAME = "large"
# 支持的音频格式列表 (你可以根据需要添加)
SUPPORTED_EXTENSIONS = ('.mp3', '.m4a', '.wav', '.flac', '.aac', '.ogg', '.wma', '.amr')
def convert_to_standard_wav(source_filepath: str) -> str:
"""
智能转换函数：
1. 自动识别输入格式（不强制指定 format）。
2. 将音频统一转换为 Whisper 最喜欢的格式 (16000Hz, 单声道)。
"""
wav_filepath = os.path.splitext(source_filepath)[0] + ".wav"
# 如果源文件本身就是符合要求的 wav，且没损坏，理论上可以跳过，
# 但为了稳健，这里统一重新处理一遍，清洗数据。
try:
# Pydub 会调用 ffmpeg 自动探测文件格式，不需要人工指定 format="xxx"
audio = AudioSegment.from_file(source_filepath)
# --- 优化步骤：预处理音频 ---
# Whisper 内部会将音频重采样为 16000Hz 并转为单声道。
# 我们在这里提前做，可以避免 Whisper 内部的隐式转换，并标准化输入。
audio = audio.set_frame_rate(16000).set_channels(1)
audio.export(wav_filepath, format="wav")
return wav_filepath
except Exception as e:
print(f"[错误] 文件 {source_filepath} 预处理失败: {e}")
return ""
def transcribe_task(args):
"""
单个音频处理进程
"""
file_path, gpu_id = args
filename = os.path.basename(file_path)
process_name = f"[GPU-{gpu_id} | {filename}]"
# 1. 绑定 GPU
os.environ['CUDA_VISIBLE_DEVICES'] = str(gpu_id)
print(f"{process_name} 开始处理...")
# 2. 转换/标准化音频
# 这一步现在非常重要，因为它负责“清洗”各种乱七八糟的格式
print(f"{process_name} 正在标准化音频格式 (16kHZ Mono WAV)...")
wav_file = convert_to_standard_wav(file_path)
if not wav_file:
print(f"{process_name} 音频预处理失败，跳过。")
return
# 3. 加载模型
print(f"{process_name} 正在加载 Whisper '{MODEL_NAME}' 模型...")
try:
model = whisper.load_model(MODEL_NAME)
except Exception as e:
print(f"{process_name} 模型加载失败: {e}")
return
# 4. 转录
print(f"{process_name} 开始识别内容...")
try:
result = model.transcribe(
wav_file,
language="zh",
fp16=torch.cuda.is_available(),
verbose=False
)
transcribed_text = result["text"]
except Exception as e:
print(f"{process_name} 识别过程出错: {e}")
# 即使出错也尝试清理临时文件
if os.path.exists(wav_file) and wav_file != file_path:
os.remove(wav_file)
return
# 5. 保存结果
output_txt_file = os.path.splitext(file_path)[0] + ".txt"
try:
with open(output_txt_file, 'w', encoding='utf-8') as f:
f.write(transcribed_text)
preview = transcribed_text[:50].replace('\n', ' ')
print(f"{process_name} 完成! 结果: {preview}...")
print(f"{process_name} 已保存: {output_txt_file}")
except Exception as e:
print(f"{process_name} 保存结果失败: {e}")
# 6. 清理临时 WAV 文件 (避免占用磁盘)
# 注意：如果原文件就是 wav，我们要小心不要删掉原文件（虽然上面的逻辑生成的是同名文件覆盖，但为了保险起见）
# 在这里，因为 convert_to_standard_wav 生成的文件名和原文件名如果是wav会冲突吗？
# os.path.splitext('a.wav')[0] + '.wav' == 'a.wav'。
# 为了避免覆盖原文件或误删，建议我们在转换时加个后缀，或者判断一下。
# **修正逻辑**：为了安全，我们在 convert 函数生成的 wav 文件名通常还是加个 .temp 比较好，或者确保输入不是wav。
# 但为了代码简单，这里只判断：如果生成的 wav 路径 不等于 原文件路径，才删除。
if wav_file != file_path:
try:
os.remove(wav_file)
# print(f"{process_name} 临时文件已清理。")
except:
pass
# --- 主程序 ---
if __name__ == "__main__":
start_time = time.time()
if not torch.cuda.is_available():
print("错误：未检测到 GPU。")
exit()
# 1. 在循环开始前，只加载一次模型！(解决 IO 瓶颈)
print("正在加载 Whisper 模型 (只加载一次)...")
model = whisper.load_model(MODEL_NAME)
print("模型加载完毕。")
# 2. 扫描文件
all_files = os.listdir('.')
audio_files = [f for f in all_files if f.lower().endswith(SUPPORTED_EXTENSIONS)]
if not audio_files:
print("未找到音频文件。")
exit()
print(f"找到 {len(audio_files)} 个文件。")
# 3. 简单的串行循环 (4090 跑这个非常快，无需多进程)
for i, file_path in enumerate(audio_files):
print(f"[{i+1}/{len(audio_files)}] 正在处理: {file_path}")
# 预处理
wav_file = convert_to_standard_wav(file_path)
if not wav_file: continue
# 转录
try:
result = model.transcribe(wav_file, language="zh", verbose=False)
# 保存
txt_path = os.path.splitext(file_path)[0] + ".txt"
with open(txt_path, 'w', encoding='utf-8') as f:
f.write(result["text"])
print(f" -> 已保存: {txt_path}")
except Exception as e:
print(f" -> 错误: {e}")
# 清理
if wav_file != file_path and os.path.exists(wav_file):
os.remove(wav_file)
end_time = time.time()
print(f"\n总耗时: {end_time - start_time:.2f} 秒")然后把转换结果交给GeMini总结一下，穿插着PPT内容即可
会议纪要
会议主题： “挑战杯”竞赛经验分享、政策解读与2027年备赛战略研讨
主要内容：
1. 分享往届“挑战杯”参赛经验与心得。
2. 深入解读“挑战杯”的赛制、评审逻辑及价值。
3. 为备战后续赛事，特别是2027年在本校举办有本场优势，进行早期动员和战略布局。
一、 会议核心内容与关键结论
1. 战略高度重视： “挑战杯”是与“互联网+”大赛同等重要的A1级学科竞赛，对教师职称评定、学生毕业与综合能力提升、学院科研成果转化均有重大意义。
2. 2027主场优势： 学校已成功申办2027年“挑战杯”，拥有巨大的主场优势，全校及学院应从现在开始系统性布局，力争实现突破。
3. 从“科研项目”到“竞赛作品”的思维转变： 会议反复强调，竞赛项目不能是科研报告的简单平移。必须学会“讲一个完整的故事”，从解决社会痛点、满足国家重大需求的角度切入，突出项目的社会价值与应用前景，而不仅仅是展示技术先进性。
（例如：技术是怎样帮助贫困山区的牧民，或者如何保护被侵蚀佛像等等）
4. “学生主体”是评审核心： 评委极其关注学生在项目中的真实参与度和贡献度。成果（专利、论文）必须有学生署名（至少是第二作者），PPT和答辩中要充分体现学生的身影（如野外采样、实验操作的照片等），避免项目看起来像“老师的成果，学生来汇报”。
5. 长期规划与团队构建是成功的关键： “挑战杯”战线长（约10个月），需要组建稳定、分工明确、积极配合的团队。建议从大一、研一的优秀学生中选拔“好苗子”，进行为期2年的长期培养和成果积累。
二、 主要发言人观点摘要
1. 张珊同学（研究生，省赛省一获奖者）经验分享
• 参赛流程：
o 前期准备： 读懂赛事规则 -> 与导师确定选题（需具创新与落地价值） -> 撰写申报书与制作PPT。
o 时间线： 整个过程耗时约10个月，从校内选拔（11-12月）到省赛（次年5月）再到国赛（10月），期间学校会组织多轮培训和打磨。
• 关键心得与教训：
o 申报书： 切忌通篇文字、内容空洞。初版因“啰嗦潦草”落选。修改后逻辑清晰，通过图表、数据突出项目亮点、痛点及解决方案，结构完整性是核心。
o PPT制作：
原则： 少文字、多图表，排版简洁、干净、专业。
内容： 标题明确突出重点，逻辑清晰，不应为追求美观而忽略实质内容。
o 现场答辩：
准备： 提前撰写逐字稿，梳理逻辑，反复演练直至脱稿。
核心： 在5分钟内，给评委“讲一个完整的故事”，逻辑线条必须清晰。
团队与支持： 感谢导师的细心指导、团队成员的明确分工与积极配合，以及学校团委提供的专家指导、后勤保障等全方位支持。
• 项目展示逻辑：
o 背景： 结合国家重大需求和行业背景。
o 问题： 阐述项目要解决的痛点和难点。
o 目标与创新： 明确项目目标，与同类产品进行调研对比，突出自身的技术壁垒、创新点和优势。
o 成果与价值： 展示平台功能、成果支撑（专利、论文、媒体报道）及其应用推广价值。
2. 曾老师（竞赛组织负责人）
• “挑战杯”历史与分类：
o 大挑（奇数年）： 侧重学术科技发明，分为自然科学论文（仅限本科生）和科技发明制作（研究生为主）两大类。
o 小挑（偶数年）： 侧重商业价值和创业计划，分为创业计划和公益创意赛道。
• 成果要求与趋势：
o 科技发明类： 极其看重专利，尤其是“专利群”（十几二十项），这背后是团队和导师的长期积累。
o “师生共创”模式： 借鉴川大、电子科大经验，鼓励老师和学生共同创业，将科研成果转化为公司实体，这在比赛中非常有优势。
o 政策红利： 获得国赛金奖等高级别奖项的项目，在成都落地可获得市、区两级共计百万级的创业补贴。
• 备赛建议：
o 提前布局： 针对2027年主场优势，现在就应开始物色项目和团队。
o 校赛晋级：有校赛选拔、学院推荐、自荐（只要认为自己行就可以上）
o 人员选拔： 建议从大一、研一学生开始培养，确保在参赛时（大三/研三）已有成果积累且仍在校。
3. 唐老师（竞赛组织负责人）
• 竞赛的双重价值：
o 对教师： 国赛一等奖等同于A1级成果，省赛一等奖算是B1成果
o 对学生： 全程参与项目能极大提升综合能力，部分学院可作为毕业要求之一。
• 评委关注的核心：
o 学生真实参与： 评委会反复质疑“这项目是不是学生做的？”。必须通过专利署名（学生名下）、现场照片等材料证明学生深度参与。
o 社会价值： 项目必须与社会重大议题（如减灾防灾、能源安全等）相结合，体现高校的社会责任感。
• 理工科学院的普遍难点：
o 从“技术思维”到“故事思维”的转变： 不能上来就讲技术多牛，要先讲背景、痛点、社会意义，用一个动人的故事来包装技术核心。
• 学院优势与支持：
o 学校团委和学院将提供全方位的支持，包括申报书和PPT的打磨、答辩培训等。
三、后续行动计划
• 行动一：梳理现有成果。 各团队/课题组应系统梳理现有技术成果、专利、论文，评估其转化为竞赛项目的潜力。鼓励跨团队合作，将不同技术融合进一个项目中（如将无人机、三维建模技术用于地质灾害防治）。
• 行动二：提前布局知识产权。 在未来的科研工作中，有意识地将学生（特别是计划参赛的低年级本科或者研一学生）纳入专利发明人或论文作者中，为参赛积累“弹药”。
• 行动三：启动选题与团队组建。 学院将动员导师们开始物色有潜力的项目选题，并选拔大一的优秀学生尽早进入课题组，参与项目。
• 行动四：加强学习与借鉴。 建议各团队多研究学习“挑战杯”官网上的往届国赛获奖作品，分析其选题立意、申报书写法和项目包装逻辑。
• 行动五：寻求支持与合作。 学院将与学校团委紧密合作，为参赛团队提供持续的指导和资源对接。