ASRTools - 语音识别工具

基于原项目：https://github.com/WEIFENG2333/AsrTools 进行修改，使用更方便

📖 项目简介

ASRTools 是一款基于 PyQt5 开发的语音识别 GUI 工具，支持多种 ASR 引擎，提供便捷的音频文件转文字功能。界面简洁友好，支持批量处理、格式导出等功能。

✨ 主要优化点

1. 界面简化：界面上仅保留 B 接口（BcutASR），操作更直观

2. 交互增强：增加多种交互选项，提升用户体验

   • 支持批量音频文件处理
   • 支持多种导出格式（SRT、TXT、JSON 等）
   • 支持临时音频文件自动清理

3. 功能完善：

   • 支持任务取消和强制终止
   • 支持中文路径兼容
   • 将ffmpeg打包进程序
   • 去掉任务弹出的终端窗口

📸 界面截图

🚀 使用方式

方式一：直接运行（推荐）

1. 从 Release 页面下载最新版本
2. 确保 ffmpeg.exe 与可执行文件在同一目录
3. 双击运行即可

方式二：源码运行

前置条件

• Python 3.8+
• ffmpeg.exe（需放在项目根目录或系统 PATH 中）

安装步骤

# 1. 克隆项目到本地
git clone https://github.com/Ryderey/AsrTools
cd AsrTools

# 2. 创建虚拟环境（推荐使用 uv）
# 如果没有 uv，请先安装：https://github.com/astral-sh/uv
uv venv

# 3. 激活虚拟环境（Windows）
# 使用 uv 可直接运行，或手动激活：
# venv\Scripts\activate

# 4. 安装依赖
uv pip install -r requirements.txt

# 5. 运行程序
uv run python asr_gui.py

📦 打包说明

使用 Nuitka 将项目打包为独立的 .exe 文件。

前置准备

打包前请确保以下文件存在：

• resources/app_icon.ico - 应用图标
• ffmpeg.exe - 音频处理依赖（需放在项目根目录）

一键打包

项目提供了 build.bat 脚本，直接运行即可打包：

build.bat

打包完成后，可执行文件位于 dist/asr_gui.exe。

手动打包

如需自定义打包参数，可运行以下命令：

uv run python -m nuitka --standalone ^
    --onefile ^
    --windows-icon-from-ico=resources/app_icon.ico ^
    --windows-console-mode=disable ^
    --windows-product-name="ASRTools" ^
    --windows-file-description="ASR语音识别工具" ^
    --windows-company-name="ASRTools" ^
    --output-dir=dist ^
    --output-filename=ASR_GUI.exe ^
    --enable-plugin=pyqt5 ^
    --include-data-file=ffmpeg.exe=ffmpeg.exe ^
    --include-data-dir=bk_asr=bk_asr ^
    --include-data-dir=resources=resources ^
    --include-package=qfluentwidgets ^
    --include-package=bk_asr ^
    --remove-output ^
    --lto=yes ^
    asr_gui.py

打包参数说明

参数	说明
--standalone	独立模式，包含所有依赖
--onefile	打包为单个 exe 文件
--windows-icon-from-ico	指定应用图标
--windows-console-mode=disable	隐藏控制台窗口
--enable-plugin=pyqt5	启用 PyQt5 插件支持
--include-data-file	包含额外文件（如 ffmpeg.exe）
--include-data-dir	包含整个目录
--include-package	显式包含特定包
--remove-output	打包完成后删除中间文件
--lto=yes	启用链接时优化，减小文件体积

📁 项目结构

AsrTools/
├── asr_gui.py           # 主程序入口
├── requirements.txt     # Python 依赖
├── build.bat           # 打包脚本
├── bk_asr/             # ASR 引擎实现
├── resources/          # 资源文件（图标等）
├── ffmpeg.exe          # 音频处理工具（需自行准备）
└── dist/               # 打包输出目录

⚙️ 依赖说明

Python 依赖

requests
PyQt5
PyQt-Fluent-Widgets

外部依赖

• ffmpeg: 音频格式转换和处理的必备工具
  • 下载地址：https://ffmpeg.org/download.html
  • 放置位置：项目根目录或添加到系统 PATH

💡 使用提示

1. 支持的音频格式：MP3、WAV、FLAC、M4A 等常见格式
2. 导出格式：SRT（字幕文件）、TXT（纯文本）、JSON（结构化数据）
3. 批量处理：可同时选择多个音频文件进行识别
4. 临时文件：处理过程中会生成临时文件，可选择自动删除

⚠️ 注意事项

• 首次运行可能需要联网加载 ASR 服务
• 确保网络连接正常（BcutASR 需要访问 B 站接口）
• 大文件处理可能需要较长时间，请耐心等待
• 识别结果可能受音频质量和网络状况影响

📝 常见问题

Q: 提示找不到 ffmpeg.exe？

A: 请将 ffmpeg.exe 放在项目根目录，或添加到系统环境变量 PATH 中。

Q: 打包后运行闪退？

A: 请检查 ffmpeg.exe 和 resources 目录是否与打包后的 exe 在同一位置。

Q: 识别失败怎么办？

A: 请检查网络连接，BcutASR 依赖 B 站的 ASR 服务。也可尝试其他 ASR 引擎。

📄 许可证

继承原项目的 LICENSE，详见 LICENSE 文件。

🙏 致谢

• 原项目：WEIFENG2333/AsrTools
• ASR 引擎：Bilibili Cut（BcutASR）
• UI 框架：PyQt-Fluent-Widgets
• 打包工具：Nuitka

---

如有问题或建议，欢迎提交 Issue