openai/whisper
打开原仓库 Whisper
从音频加载到分段转写，理解语音识别的处理链。
进阶MIT学习估计 4–6 小时尚未记录
本次学习产物
对自录音频建立有时间戳的转写与错误记录。
开始前
Python；音频采样率、文本处理。
运行环境Python、PyTorch、FFmpeg；tiny 模型可用 CPU，首次需下载权重。
STEP 01 / 04
读懂源码
阅读 audio.py 的 load_audio 和 log_mel_spectrogram，再跟踪 transcribe.py 的分段与解码。
从这两个入口读起
先在纸上画出输入 → 处理 → 输出，再用断点或日志验证调用顺序。记录你读到的函数名与行号，不要求通读整个仓库。
准备自己的源码副本
git clone https://github.com/openai/whisper.git
cd whisper
git checkout 86098128c0b4f24f0e2aa2994de830614b474227
git switch -c study/whisper在新的学习目录运行；固定提交用于对应源码导读，不承诺它是最新稳定发行版。
留下这一步的学习依据
访客手记仅保存在此浏览器；登录后可主动导入到账号，原件保留。清除浏览器数据前请导出。不保存密钥或敏感资料。
修订历史 0 版
保存会追加历史，保留之前的失败与修订依据；访客最多 50 版，不自动清理。
还没有保存记录。可以先记录一个问题，再慢慢修订。