66eddaff0e
默认 local，零行为变化。opt-in 双因素：transcription_backend=openai 且 openai_api_key 都齐才生效；任一缺失静默回退 local + stderr 一行警告。 首次进入云路径会 stderr 警告"语音将上传至 OpenAI 服务器"。 新增 config.json 字段： - transcription_backend: "local" (默认) | "openai" - local_whisper_model: "base" (替换 mcp_server.py 里硬编码 DEFAULT_WHISPER_MODEL) - openai_api_key: "" (默认空；openai 包为 optional，按需 pip install) 关键技术选择： - _transcribe(wav, backend) 单一 if/else 分发，不引入插件/工厂层 (Rule of Three —— 只有一个云后端时不值得抽象) - 文件 > 25MB 在 OpenAI() 实例化之前提前拒绝，避免无谓上传 - 错误分类清晰: 缺 key / 缺 openai 包 / 401 / 429 / APIError 各自的提示 - PR #58 缓存 schema 自然扩展: 条目加 backend 字段，命中需 backend+model_size 都匹配 - 旧条目缺 backend 字段视为 "local"，向前兼容 PR #58 已落盘的所有数据 - transcribe_chat.py 批量 CLI 与 MCP 工具共享同一份配置，保持一致 新增 2 个测试 (tests/test_openai_backend.py)，只覆盖回归风险最高的两条： - 文件 > 25MB 必须在 SDK 实例化前拒绝（隐私契约的防线） - backend 不匹配的旧条目不命中（避免切后端时返回错后端结果） 其余路径要么琐碎（默认值读取）、要么坏掉时声音很大（SDK 错误、ImportError）， 要么已被 PR #58 现有测试隐式覆盖（缺 backend 字段的旧条目），不再单独写测试。 顺手把 README 里 PR #53 漏掉的 voice 三件套（get_voice_messages / decode_voice / transcribe_voice）补进 MCP 工具表，并新增"⚠️ 语音转录隐私" 章节说清数据流向、成本（约 \$0.006/分钟）、25MB 上限、回退行为。 Closes ylytdeng/wechat-decrypt#59
109 lines
3.9 KiB
Python
109 lines
3.9 KiB
Python
"""
|
||
为聊天导出 JSON 中的语音消息补齐转录文本。
|
||
|
||
用法:
|
||
.venv/bin/python3 transcribe_chat.py <input.json> [output.json]
|
||
|
||
参数:
|
||
<input.json> 由 export_chat.py 产出的 JSON。
|
||
[output.json] 可选输出路径，默认 "<input>_transcribed.json"。
|
||
|
||
完整流程示例:
|
||
.venv/bin/python3 export_chat.py <chat_name> /tmp/chat.json
|
||
.venv/bin/python3 transcribe_chat.py /tmp/chat.json /tmp/chat_transcribed.json
|
||
|
||
行为说明:
|
||
- 后端由 config.json 中 transcription_backend 字段控制 (local/openai)，
|
||
与 MCP transcribe_voice 工具共享配置。详见 README "语音转录隐私" 章节。
|
||
- 默认 local: 使用本地 Whisper (CPU，单线程)，首次运行下载 ~145 MB 权重。
|
||
- 切到 openai: 语音上传至 OpenAI 服务器转录 (~$0.006/分钟)。
|
||
- 幂等: 已有 "transcription" 字段的消息会被跳过，因此崩溃/中断后可安全重跑。
|
||
- 崩溃安全: 每处理完一条即整体重写输出 JSON，进程中断最多丢失当前一条。
|
||
|
||
需要 WeChat DB 仍然在线/已解密 —— 语音 blob 是从 DB 现场按 local_id 读取的，
|
||
不从 JSON 读。
|
||
"""
|
||
import json
|
||
import os
|
||
import sys
|
||
from datetime import datetime
|
||
|
||
import mcp_server
|
||
|
||
|
||
def _transcribe_local_id(username, local_id, backend):
|
||
row = mcp_server._fetch_voice_row(username, local_id)
|
||
if row is None:
|
||
return "[not found]"
|
||
|
||
voice_data, create_time = row
|
||
try:
|
||
wav_path, _ = mcp_server._silk_to_wav(voice_data, create_time, username, local_id)
|
||
except Exception as e:
|
||
return f"[decode error: {e}]"
|
||
|
||
try:
|
||
result = mcp_server._transcribe(wav_path, backend)
|
||
return result["text"]
|
||
except Exception as e:
|
||
return f"[transcribe error: {e}]"
|
||
|
||
|
||
def transcribe_export(input_path, output_path):
|
||
with open(input_path, encoding="utf-8") as f:
|
||
data = json.load(f)
|
||
|
||
# 优先使用导出 JSON 中已记录的 username，避免重新模糊匹配导致同名联系人漂移。
|
||
username = data.get("username")
|
||
chat_name = data.get("chat", "")
|
||
if not username:
|
||
username = mcp_server.resolve_username(chat_name)
|
||
if not username:
|
||
print(f"Could not resolve username for: {chat_name}")
|
||
sys.exit(1)
|
||
|
||
messages = data["messages"]
|
||
# Compact format: type is absent for text; transcription is only present when filled.
|
||
pending = [m for m in messages if m.get("type") == "voice" and not m.get("transcription")]
|
||
total = len(pending)
|
||
|
||
if total == 0:
|
||
print("No voice messages to transcribe.")
|
||
return
|
||
|
||
backend = mcp_server._resolve_active_backend()
|
||
print(f"Found {total} voice messages to transcribe.")
|
||
print(f"Backend: {backend}")
|
||
if backend == "local":
|
||
print("Loading Whisper model (first run downloads ~145MB)...")
|
||
mcp_server._get_whisper_model()
|
||
print("Model ready.\n")
|
||
else:
|
||
print("")
|
||
|
||
for i, msg in enumerate(pending, 1):
|
||
local_id = msg["local_id"]
|
||
ts = msg["timestamp"]
|
||
ts_str = datetime.fromtimestamp(ts).strftime("%Y-%m-%d %H:%M:%S") if isinstance(ts, (int, float)) else ts
|
||
print(f"[{i}/{total}] local_id={local_id} ({ts_str}) ... ", end="", flush=True)
|
||
result = _transcribe_local_id(username, local_id, backend)
|
||
msg["transcription"] = result
|
||
print(repr(result[:60]) if result else '""')
|
||
|
||
# Save after each transcription so progress isn't lost on crash
|
||
with open(output_path, "w", encoding="utf-8") as f:
|
||
json.dump(data, f, ensure_ascii=False, indent=2)
|
||
|
||
print(f"\nDone. Written to {output_path}")
|
||
|
||
|
||
if __name__ == "__main__":
|
||
if len(sys.argv) < 2:
|
||
print("Usage: python3 transcribe_chat.py <input.json> [output.json]")
|
||
sys.exit(1)
|
||
|
||
inp = sys.argv[1]
|
||
base, ext = os.path.splitext(inp)
|
||
out = sys.argv[2] if len(sys.argv) > 2 else f"{base}_transcribed{ext}"
|
||
transcribe_export(inp, out)
|