python + whisper 读取蓝牙耳机， 转为文字

1. 起因， 目的:

看到别人做了类似的效果。所以自己也想试试看。动手。

2. 先看效果

3. 过程:

我用的是蓝牙耳机，EDIFIER W820NB

• 先找到声音，设置为 Hands-Free 模式

  代码 1 ，查找设备名称， 看看哪个是能用的。

  • 我的设备， 能用的是 index=27

    import sounddevice as sd
    import numpy as np
    import wave
    import re
    def list_input_devices():
        print("🎤 可用音频输入设备列表：")
        input_devices = []
        devices = sd.query_devices()
        for i, device in enumerate(devices):
            if device['max_input_channels'] > 0:
                device['index'] = i
                print(f"Index {i}: {device['name']} - {device['max_input_channels']} channels - {device['default_samplerate']} Hz")
                input_devices.append(device)
        return input_devices
    def record_audio(device_info, seconds=10):
        try:
            device_index = device_info['index']
            channels = 1  # 强制单声道
            rate = 16000  # 强制 16000 Hz
            print(f"\n🎛️ 使用设备: {device_info['name']}")
            print(f"➡️ 设备索引: {device_index}")
            print(f"➡️ 通道数: {channels}")
            print(f"➡️ 采样率: {rate} Hz\n")
            print("🔍 检查设备配置...")
            sd.check_input_settings(device=device_index, channels=channels, samplerate=rate, dtype='int16')
            print("✅ 配置有效")
            print("🎙️ 正在录音中...")
            audio_data = sd.rec(int(seconds * rate), samplerate=rate, channels=channels, dtype='int16', device=device_index)
            sd.wait()
            safe_device_name = re.sub(r'[^\w\s-]', '_', device_info['name']).replace('\r', '').replace('\n', '').strip()
            output_file = f"{safe_device_name}_output.wav"
            with wave.open(output_file, 'wb') as wf:
                wf.setnchannels(channels)
                wf.setsampwidth(2)
                wf.setframerate(rate)
                wf.writeframes(audio_data.tobytes())
            print(f"🎵 录音已保存为 {output_file}")
        except sd.PortAudioError as pae:
            print(f"❌ 音频设备错误：{pae}")
        except OSError as ose:
            print(f"❌ 文件系统错误：{ose}")
        except Exception as e:
            print(f"❌ 未知错误：{e}")
    if __name__ == "__main__":
        print("🔊 使用默认音频接口")
        input_devices = list_input_devices()
        if input_devices:
            for device in input_devices:
                if 'EDIFIER W820NB' in device['name'] and 'Hands-Free' in device['name']:
                    print(f"正在测试耳机设备: {device['name']}")
                    record_audio(device)
        else:
            print("❌ 没有可用的音频输入设备。")
    

    代码 2 , 使用 whisper 转为文字

    • 效果很勉强，见文末总结。

      import sounddevice as sd
      import numpy as np
      import wave
      import tempfile
      import os
      import whisper
      # 加载 Whisper 模型
      model = whisper.load_model("medium")  # 可改为 "tiny", "base", "small", "large"
      # 音频录制设置
      CHANNELS = 1  # 单声道，Hands-Free 模式通常只支持 1 通道
      RATE = 16000  # 16000 Hz，适合 Hands-Free 模式
      RECORD_SECONDS = 5  # 每次录音时长（秒）
      DEVICE_INDEX = 27  # 已验证可用的设备索引
      DEVICE_NAME = "耳机 (@System32\drivers\bthhfenum.sys,#2;%1 Hands-Free AG Audio%0;(EDIFIER W820NB 双金标版))"
      def record_audio(seconds=RECORD_SECONDS):
          try:
              print(f"🎧 正在录音 {seconds} 秒...")
              # 使用 sounddevice 录制音频
              audio_data = sd.rec(
                  int(seconds * RATE),
                  samplerate=RATE,
                  channels=CHANNELS,
                  dtype='int16',
                  device=DEVICE_INDEX
              )
              sd.wait()  # 等待录音完成
              # 保存临时音频文件
              with tempfile.NamedTemporaryFile(delete=False, suffix=".wav") as tmpfile:
                  with wave.open(tmpfile.name, 'wb') as wf:
                      wf.setnchannels(CHANNELS)
                      wf.setsampwidth(2)  # 16-bit 音频
                      wf.setframerate(RATE)
                      wf.writeframes(audio_data.tobytes())
                  return tmpfile.name
          except sd.PortAudioError as pae:
              print(f"❌ 音频设备错误：{pae}")
              return None
          except Exception as e:
              print(f"❌ 未知错误：{e}")
              return None
      def transcribe_audio(audio_file):
          try:
              print("🧠 正在识别...")
              result = model.transcribe(audio_file, language="zh")
              print("📝 识别结果:", result['text'].strip())
          except Exception as e:
              print(f"❌ 语音识别失败：{e}")
          finally:
              if os.path.exists(audio_file):
                  os.remove(audio_file)
      if __name__ == "__main__":
          print(f"🔊 使用设备: {DEVICE_NAME} (索引: {DEVICE_INDEX})")
          print("🎙️ 开始实时听写，按 Ctrl+C 停止")
          try:
              while True:
                  # 录制音频
                  audio_file = record_audio()
                  if audio_file:
                      # 进行语音识别
                      transcribe_audio(audio_file)
                  else:
                      print("⚠️ 录音失败，跳过识别")
                  # 短暂暂停，避免过于频繁的录音
                  sd.sleep(100)  # 100 毫秒
          except KeyboardInterrupt:
              print("🛑 停止实时识别")
          except Exception as e:
              print(f"❌ 程序错误：{e}")
      

      4. 结论 + todo

      • 开始的时候，加载模型比较慢。
      • 能实现实时语音识别，但识别效果不佳，我猜测的原因是：
      • 耳机质量太差，有些参数设置不够合理。

        ---