跳到主要内容

用 Whisper 自己转写播客:从音频到摘要

DIY 路线:抓音频跑 Whisper,再切块逐段摘要。命令和坑都在这里。

指南5 min read

用 AI 给播客做摘要的方法

播客大多很长,而我们多半在路上听。AI 可以把一期节目的音频变成几句关键点摘要,听之前先知道里面讲了什么,再决定值不值得花一小时。

一句话概括

拿到音频,用 Whisper 转写,把文本切成模型能读的块,逐块摘要,再拼起来。嫌麻烦就让 Podwise 全包了。

手动版,六步

1. 找到播客的 RSS

几乎每个播客都有 RSS,一般在节目页面上能找到。如果节目上了 Apple Podcasts,用 iTunes Search API 按名字搜,能直接返回订阅源地址:

Terminal
curl "https://itunes.apple.com/search?media=podcast&term=lex+fridman"

在返回的结果里找 feedUrl。

2. 读订阅源,选一期

抓下订阅源,找到想要的那期,从 enclosure 标签里复制音频链接。用 Go 的话,gofeed 这个库能搞定解析:

main.go
feed, _ := gofeed.NewParser().ParseURL(feedURL)
for _, item := range feed.Items {
    fmt.Println(item.Title, item.Enclosures[0].URL)
}

3. 下载音频并转写

用开源的 Whisper 把音频转成文字。给它一句该节目风格的提示词;不给的话,它可能吞掉标点,或者把没见过的人名写错。转写质量决定摘要质量,这是地基。

Terminal
whisper episode.mp3 --model medium --initial_prompt "Welcome to the show."

4. 切分转写文本

整期转写比模型的上下文窗口还长,连 GPT-4 的 32k 也一样,所以必须切块。按字数硬切会把句子拦腰斩断。下面两种切法更好:

  • 按时间切。 每几分钟音频切一块,比如每三分钟。
  • 按说话人切。 对话节目里,把每个人的发言轮次放在一起。

5. 逐块摘要

把切好的块一块一块发给 ChatGPT,每块要一份摘要。

6. 拼起来

把各块摘要合成整期的章节和大纲。能跑通,但是慢,而且每期效果不太一样。

Podwise 版,三步

  1. 在 Podwise 里搜到这期节目。
  2. 点 AI Process(处理),等它跑完。
  3. 喝杯咖啡,摘要、章节和转写文本都已经在旁边等你了,戴上耳机慢慢听。

原载于英文博客。

Podwise

跳过那六个步骤。 直接听就好。

Podwise 帮你把任何一期节目转写、摘要,并画成思维导图。