对于长视频转化出现乱序现象

[Vince4644]

测试输入：/BV1cvk7YwEzA，视频时长20:28
测试结果：能正常输出.txt文件
问题描述：长视频转化出现乱序，加载whisper模型后，提示【正在转换文本...正在转换第1/27个音频... 25.mp3】，不是从第一个1.mp3开始，导致输出到.txt文件的段落是以【25.mp3】的内容开始。往后不是按照倒序，而是乱序的形式开始转换。

[Vince4644]

建议修改speech2text.py文件：
import whisper
import os

whisper_model = None

def is_cuda_available():
return whisper.torch.cuda.is_available()

def load_whisper(model="tiny"):
global whisper_model
whisper_model = whisper.load_model(model, device="cuda" if is_cuda_available() else "cpu")
print("Whisper模型："+model)

def run_analysis(filename, model="tiny", prompt="以下是普通话的句子。"):
global whisper_model
print("正在加载Whisper模型...")

# 读取列表中的音频文件并排序
audio_dir = f"audio/slice/{filename}"
audio_list = os.listdir(audio_dir)

# 过滤出mp3文件并按数字排序
audio_list = [fn for fn in audio_list if fn.endswith('.mp3')]
audio_list.sort(key=lambda x: int(os.path.splitext(x)[0]))

print("加载Whisper模型成功！")

# 创建outputs文件夹
os.makedirs("outputs", exist_ok=True)
print("正在转换文本...")

i = 1
for fn in audio_list:
    print(f"正在转换第{i}/{len(audio_list)}个音频... {fn}")
    # 识别音频
    result = whisper_model.transcribe(os.path.join(audio_dir, fn), initial_prompt=prompt)
    print("".join([segment["text"] for segment in result["segments"] if segment is not None]))

    with open(f"outputs/{filename}.txt", "a", encoding="utf-8") as f:
        f.write("".join([segment["text"] for segment in result["segments"] if segment is not None]))
        f.write("\n")
    i += 1

————————————————————————————————————————————
修改说明：
——过滤和排序音频文件：
audio_list = [fn for fn in audio_list if fn.endswith('.mp3')]
audio_list.sort(key=lambda x: int(os.path.splitext(x)[0]))
过滤：首先过滤出所有以 .mp3 结尾的文件，避免处理非音频文件。
排序：使用 sort 方法，并通过 lambda 函数提取文件名中的数字部分进行排序。os.path.splitext(x)[0] 获取文件名（去除扩展名），然后 int() 转换为整数进行数值排序。

——路径拼接：
result = whisper_model.transcribe(os.path.join(audio_dir, fn), initial_prompt=prompt)
使用 os.path.join 拼接路径，增加代码的可读性和跨平台兼容性。