podcastcut-install

name	podcastcut-install
description	环境准备。安装依赖、下载模型、验证环境。触发词：安装、环境准备、初始化、install videocut

安装

首次使用前的环境准备

快速使用

用户: 安装环境
用户: 初始化
用户: 下载模型

依赖清单

依赖	用途	安装命令
funasr	转录 + 口误识别	pip install funasr
modelscope	模型下载	pip install modelscope
ffmpeg	视频剪辑	brew install ffmpeg

模型清单

FunASR 模型

首次运行自动下载到 ~/.cache/modelscope/：

模型	大小	用途
paraformer-zh	953MB	语音识别（字符级时间戳）
punc_ct	1.1GB	标点预测（句子分割）
fsmn-vad	4MB	语音活动检测
cam++	~100MB	说话人分离
总计	~2.1GB

为什么统一用 FunASR？

阶段	功能	说明
content（内容剪辑）	转录 + 说话人分离 + 句子时间戳	一次调用
transcribe（口误识别）	转录 + 字符级时间戳	30s 分段
subtitle（字幕生成）	直接用转录结果

• 中文识别准确率高（阿里优化）
• 内置说话人分离（cam++）
• 支持句子级和字符级时间戳
• 一套工具解决所有阶段

安装流程

1. 安装 Python 依赖
       ↓
2. 安装 FFmpeg
       ↓
3. 下载 FunASR 模型
       ↓
4. 验证环境

执行步骤

1. 安装 Python 依赖

pip install funasr modelscope

2. 安装 FFmpeg

# macOS
brew install ffmpeg

# Ubuntu
sudo apt install ffmpeg

# 验证
ffmpeg -version

3. 下载 FunASR 模型（约2.1GB）

from funasr import AutoModel

# 下载全部模型（含说话人分离）
model = AutoModel(
    model="paraformer-zh",
    vad_model="fsmn-vad",
    punc_model="ct-punc",
    spk_model="cam++",  # 说话人分离
)
print("FunASR 模型下载完成")

4. 验证环境

from funasr import AutoModel

model = AutoModel(
    model="paraformer-zh",
    vad_model="fsmn-vad",
    punc_model="ct-punc",
    spk_model="cam++",
    disable_update=True
)

# 测试转录（用任意音频/视频）
result = model.generate(input="test.mp4", sentence_timestamp=True)
print("文本:", result[0]['text'][:50])
if 'sentence_info' in result[0]:
    print("句子数:", len(result[0]['sentence_info']))
    # 检查说话人分离
    spk_ids = set(s.get('spk', 0) for s in result[0]['sentence_info'])
    print("说话人数:", len(spk_ids))
print("✅ 环境就绪")

常见问题

Q1: 模型下载慢

解决：使用国内镜像或手动下载

Q2: ffmpeg 命令找不到

解决：确认已安装并添加到 PATH

which ffmpeg  # 应该输出路径

Q3: funasr 导入报错

解决：检查 Python 版本（需要 3.8+）

python3 --version