这是一个使用 Gemini AI 转录音频视频为 SRT 字幕的项目

Gemini AI 凭借强大的自然语言处理能力，可以快速、准确地将音视频内容转录为文字,并且提供了可观的每日免费额度，足以满足日常的音视频转录需求。

但是，直接将完整的音视频文件发送给 Gemini AI 虽然可以快速获得 SRT 格式的字幕，但时间轴往往不够精确。这主要是因为 Gemini AI 在处理长音频时，可能会出现时间轴偏移。

为了解决这个问题，从而诞生了本项目，主要自动完成以下操作：

1. 智能切片： 利用 VAD（语音活动检测）模型，将音视频文件智能切分成小片段。
2. 逐片转录： 将每个片段单独发送给 Gemini AI 进行转录。
3. 精准组装： 将转录结果按时间顺序重新组装成一个完整的 SRT 字幕文件，确保时间轴的准确性。

无需复杂的设置，只需简单操作，即可获得时间轴精确的 SRT 字幕！

Windows 预打包版下载

win10/11 可直接下载预打包版本，解压后双击 app.exe 即可使用

下载地址： https://github.com/jianchang512/gemini-speech2srt/releases

MacOS上源码部署

Maoc上使用 brew 安装 python3 和 ffmpeg，如果你的Mac上不支持 brew 命令，需要先安装 Homebrew

使用该命令安装 Homebrew， /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

上述命令需要科学上网才可成功执行，如果失败，请使用下方命令

/bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)"

1. 安装 python3.10+ , 如果已存在可跳过

   brew install python@3.10
   ln -s /opt/homebrew/opt/python@3.10/bin/python3 /opt/homebrew/bin/python3
   ln -s /opt/homebrew/opt/python@3.10/bin/pip3 /opt/homebrew/bin/pip3
   
   

2. 安装 ffmpeg和git brew install ffmpeg git

3. 克隆仓库、安装依赖

       git clone https://github.com/jianchang512/gemini-speech2srt
       cd gemini-speech2srt
       python3 -m venv venv
       . venv/bin/activate
       pip3 install -r requirements.txt       
   
   

4. 启动, 请确认当前在 gemini-speechsrt 目录下，先执行 . venv/bin/activate 激活虚拟环境， 再执行 python3 app.py 启动

Linux上源码部署

1. 安装 python3.10+，如果已安装可跳过

   Debian系如 Ubuntu，执行 apt install python3 ffmpeg python3-venv

   Fedora系如 Centos，执行 yum install python3 ffmpeg python3-virtualenv

2. 克隆仓库/安装依赖

   git clone https://github.com/jianchang512/gemini-speech2srt
   cd gemini-speech2srt
   python3 -m venv venv
   . venv/bin/activate
   pip3 install -r requirements.txt
   
   

3. 启动, 请确认当前在 gemini-speechsrt 目录下，先执行 . venv/bin/activate 激活虚拟环境， 再执行 python3 app.py 启动

Windows下源码部署

1. 下载 python3.10 安装包，下载地址 https://www.python.org/ftp/python/3.10.10/python-3.10.10-amd64.exe

2. 双击打开下载的exe文件，注意选中**Add python.exe to PATH*t,否则无法直接使用 python命令

3. 从github下载源码包，解压后进入requirements.txt 所在文件夹内，在文件夹地址栏输入cmd回车，弹出的终端中输入命令 python -m venv venv,回车执行创建虚拟环境，继续输入.\venv\scripts\activate回车激活虚拟环境,以下操作都在该虚拟环境内

4. 安装依赖, pip install -r requirements.txt

5. 启动，python app.py

网络代理

由于国内无法访问gemini，源码部署时，若未开启全局或设置系统代理，即便填写了代理地址和端口，可能仍无法访问，此时请打开依赖包

site-packages\google\ai\generativelanguage_v1beta\services\generative_service\transports\grpc_asyncio.py文件大约 226 行

在该行代码("grpc.max_receive_message_length", -1),下新增一行

("grpc.http_proxy",os.environ.get('http_proxy') or os.environ.get('https_proxy'))

再到 211 行下新增一行 import os

修改提示词

static/prompt.txt 内是提示词，可根据当前默认进行修改，但注意返回数据格式不得变动，否则可能出错。

用到的部分开源项目

• faster-whisper
• QDarkStyleSheet