如何结合Python SpeechRecognition与OpenAI Whisper实现麦克风语音无文件转写？

原代码问题分析 #

你之前的代码报错主要有两个原因：

1. 用open("audio.wav", "r+")打开文件时，r+模式要求文件已存在，不存在就会报错；而且SpeechRecognition的AudioData对象不是原始字节数据，不能直接写入文件。
2. OpenAI的Whisper接口需要的是符合WAV格式的有效文件对象或字节流，你传递的文件对象没有正确写入音频数据，自然触发错误。

正确实现方案 #

SpeechRecognition的AudioData对象自带get_wav_data()方法，可直接导出标准WAV格式的字节数据。我们用io.BytesIO把这些字节包装成内存中的文件对象，完全不需要保存到本地硬盘，就能直接传给Whisper接口。

复用原有录音逻辑的完整代码 #

import speech_recognition as sr
import openai
import io

def whisper_listen():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("Speak Anything :")
        audio = r.listen(source)
        
        # 将AudioData转为WAV字节流，包装成内存文件对象
        wav_data = audio.get_wav_data()
        audio_file = io.BytesIO(wav_data)
        audio_file.name = "audio.wav"  # 给文件对象指定名字，Whisper需要识别文件格式
        
        try:
            transcript = openai.Audio.transcribe("whisper-1", audio_file)
            print("You said : {}".format(transcript["text"]))
            return transcript["text"]
        except Exception as e:
            print(f"转写失败: {str(e)}")
            return "write me some code to print hello world"

注意事项 #

• 提前通过openai.api_key = "你的API密钥"配置好OpenAI密钥
• get_wav_data()默认导出PCM 16-bit、16kHz的WAV数据，完全符合Whisper的输入要求
• 必须给内存文件对象指定name属性，否则Whisper无法识别文件格式

内容的提问来源于stack exchange，提问作者Lukas Baker