🎵 Whisper 全自动 LRC 歌词生成器使用说明

这是一个基于 OpenAI Whisper 语音识别模型的全自动歌词制作工具。你只需要把音频文件放进文件夹，运行脚本，它就能自动把音频转化为无标点符号、带精准时间戳的标准的 .lrc 歌词文件。

🛠️ 第一步：环境准备（只需配置一次）

在使用脚本之前，确保你的电脑已经安装了 Python 以及音视频解码器 FFmpeg。

1. 安装 Python 依赖库

打开终端（Terminal 或 MINGW64 / CMD），运行以下命令安装核心库：

Bash

1
pip install openai-whisper torch

2. 配置 FFmpeg（至关重要）

Whisper 必须依赖 FFmpeg 来读取 MP3/WAV 等音频。

  • Windows 用户：下载并解压 FFmpeg 后，必须将其中的 bin 目录路径（例如 C:\ffmpeg\bin）添加到系统的环境变量 (Path) 中。
  • 注意：配置好环境变量后，必须重启当前的终端窗口（或 VS Code），配置才会生效。

📂 第二步：文件摆放

把下载好的 Python 脚本（假设命名为 direct_lrc_gen.py）和你所有想要制作歌词的音频文件放在同一个文件夹下。

正确的目录结构示例：

Plaintext

1
2
3
4
5
📁 我的音乐工厂/
│── direct_lrc_gen.py       <-- 你的 Python 脚本
│── 一枕秋山.mp3             <-- 歌曲 A
│── 晴天.wav                 <-- 歌曲 B (支持多种音频格式)
└── 那些年.m4a               <-- 歌曲 C

💡 提示：不需要准备任何 .txt 歌词文本，AI 会全自动听写。

🚀 第三步：运行脚本

  1. 在当前文件夹下打开你的终端（如 MINGW64）。
  2. 输入以下命令并回车：

Bash

1
python direct_lrc_gen.py

⚙️ 自动化运行流程：

  1. 自动避坑：脚本会自动注入补丁，防止出现 libiomp5md.dll 冲突导致的程序崩溃。
  2. 首次运行：会自动从网上下载 Whisper 语音模型（大约 140MB），下载完成后会自动开始处理。
  3. 净化文字：AI 听写出的歌词会自动过滤掉所有的逗号、句号、连字符等标点符号，只保留干净的文字和必要的空格。
  4. 完美产出：在同目录下直接吐出同名的 .lrc 文件。

⚙️ 第四步：进阶微调（根据需要修改代码）

如果你想调整识别效果，可以用文本编辑器打开 direct_lrc_gen.py，拉到代码最底部的配置区域进行修改：

Python

1
2
3
4
5
if __name__ == "__main__":
    # ==================== 配置区域 ====================
    TARGET_FOLDER = "."  # "." 代表当前文件夹。也可以改成绝对路径如 "D:/Music"
    MODEL_SIZE = "base"  # 👈 核心：可以在这里更换模型大小
    # ==================================================

💡 模型大小（MODEL_SIZE）更换指南：

  • "base"（默认）：速度非常快，对配置要求低，应付普通国语歌曲绰绰有余。
  • "small" 或 "medium"：如果发现歌曲中有粤语、闽南语、纯正英文，或者歌手吐字不清、出现繁体字错字，可以将这里改成 "small" 或 "medium"。模型越大，识别错别字的概率就越低，但运行速度会变慢。

❌ 常见问题与排查

  • 报错：FileNotFoundError: [Errno 2] No such file or directory: 'ffmpeg'
    • 原因：系统找不到 FFmpeg。
    • 解决：请检查环境变量是否配置正确，且配置后必须重启终端或命令行窗口。
  • 生成的歌词里有繁体字怎么办？
    • 解决：Whisper 在识别某些吐字或歌曲时可能会吐出繁体，推荐将底部的 MODEL_SIZE 升级为 "small" 甚至 "medium"，更大的模型对简繁体的规范性更好。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
import os
import glob
# 🛠️ 留存补丁：解决你之前遇到的 libiomp5md.dll 冲突报错
os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"

import whisper

def format_time(seconds):
    """将秒数转化为 LRC 标准时间格式 [mm:ss.xx]"""
    minutes = int(seconds // 60)
    seconds_rem = seconds % 60
    secs = int(seconds_rem)
    centiseconds = int(round((seconds_rem - secs) * 100))
    
    if centiseconds == 100:
        secs += 1
        centiseconds = 0
    if secs == 60:
        minutes += 1
        secs = 0
    return f"[{minutes:02d}:{secs:02d}.{centiseconds:02d}]"

def remove_punctuation(text):
    """
    自动删去识别文本中的中英文标点符号，仅保留文字、数字和单个空格
    """
    cleaned = "".join([c for c in text if c.isalnum() or c.isspace()])
    return " ".join(cleaned.split())

def transcribe_audio_to_lrc(model, audio_path):
    """直接识别音频并导出为干净的无标点 LRC 文件"""
    output_lrc_path = os.path.splitext(audio_path)[0] + ".lrc"
    
    print(f" 🔍 正在语音识别中...")
    # 强制指定语言为中文
    result = model.transcribe(audio_path, language="zh")
    
    with open(output_lrc_path, "w", encoding="utf-8") as f:
        for segment in result['segments']:
            start_time = segment['start']
            raw_text = segment['text'].strip()
            
            # 自动过滤掉标点符号
            final_line = remove_punctuation(raw_text)
            
            # 确保这一行不是空的
            if final_line:
                timestamp = format_time(start_time)
                f.write(f"{timestamp}{final_line}\n")
                # 在终端实时打印当前识别进度
                print(f"{timestamp} {final_line}")
                
    print(f" ✅ 成功生成歌词: {output_lrc_path}\n")

def batch_process(folder_path, model_size="base"):
    """批量扫描文件夹下的所有音频"""
    audio_extensions = ["*.mp3", "*.wav", "*.flac", "*.m4a"]
    audio_files = []
    for ext in audio_extensions:
        audio_files.extend(glob.glob(os.path.join(folder_path, ext)))
        
    if not audio_files:
        print(f" ❌ 未在当前文件夹中找到任何音频文件。")
        return

    print(f"📂 发现 {len(audio_files)} 个音频文件，正在初始化 Whisper ({model_size}) 模型...")
    model = whisper.load_model(model_size)
    print("🚀 模型加载完成，开始全自动提取歌词...\n" + "="*40)

    success_count = 0
    for audio_path in audio_files:
        file_title = os.path.basename(audio_path)
        print(f"🎵 正在处理: {file_title}")
        try:
            transcribe_audio_to_lrc(model, audio_path)
            success_count += 1
        except Exception as e:
            print(f" ❌ 识别失败，错误原因: {e}\n")

    print("="*40 + f"\n🎉 处理结束！已直接生成 {success_count}/{len(audio_files)} 首歌曲的歌词文件。")

if __name__ == "__main__":
    # ==================== 配置区域 ====================
    TARGET_FOLDER = "."  # "." 代表扫描当前文件夹
    MODEL_SIZE = "base"   # 可以根据硬件改为 "small" 或 "medium" 提升繁体字和复杂吐字的准确率
    # ==================================================
    
    batch_process(TARGET_FOLDER, model_size=MODEL_SIZE)