说起来我自己都不相信，我一个非计算机专业的文科生，有一天居然可以靠着Claude开发上线一款音视频转文字工具。

快速体验入口：音频转录工具 ，注册即送1小时转录时长。

为什么要开发这么一款小工具？

其实这个需求最初源自于罗斯小姐，因为工作原因她经常需要将会议录音、访谈录音转写成文字，整理成会议纪要和新闻稿。为了提高工作效率，她用过讯飞语音，也用过WPS的转写功能，但是觉得这些工具都不太好用，转写准确率比较低。

前言

最开始我让ChatGPT帮我写了一个Python脚本，来帮她解决的这个问题。

原理也很简单，就是调用了一下Azure OpenAI 的 Whisper 模型接口来进行音频转文字。

为了让罗斯小姐用起来简单一点，我还用Python的tkinter库做了GUI界面，这样一运行这个Python代码，就可以有一个界面来操作。只需要选择文件或文件夹，然后再选择输出文件夹，最后点击开始转换，然后等待一会儿就转写好了。

为了运行这个Python代码，我还在她的电脑上安装了Visual Studio Code，然后还陪专门配置好环境，提前安装好好这个脚本需要用到的Python库。等需要转写音频的时候，只需要点击运行脚本，就可以选择文件进行转写了。

但是罗斯小姐还是觉得很麻烦，使用的时候总是出各种奇奇怪怪的问题。

她就跟我说，能不能搞一个网页，在网页上就能转写，傻瓜式操作的那种。

于是我就用Claude开始了第一次探索……

第一次探索

通过对话把我的需求写给Claude，让它给我出技术方案并且提供代码，

然后反复在本地调试，修改页面上的内容，测试使用流程。摸着石头过河，顺便还做了一个小优化。

调用gpt-4o，通过一小段提示词，把Whisper转写后的文字加上标点符号，并且做一个简单的排版，最终存储在一个txt文件里。

本地调试完毕之后，又让Claude教我如何把本地的服务部署到VPS服务上面，又是一顿折腾终于也算是上线了。

这时候罗斯小姐又有了新需求，这个工具是不是可以拿来卖钱呀？你研究研究呗。

于是我就又开始了第二次探索……

第二次探索

这次我没有在第一次的版本上修改，因为我确实也看不懂react代码和Python代码，实在也改不动。于是索性重新整理了一下需求，换了一个实现方式，前端是用Vue写，后端依旧是用Python服务。

有了第一次的探索经验，第二次探索起来还是各种踩坑，走了很多弯路，推翻重来了好几次。好在我心态好，最终还是被我搞出来了。

相比第一个版本，第二个版本多了很多功能：

1. 新增了注册登录功能，注册后才能使用

2. 新增了数据库，引入了管理员、普通用户的用户体系

3. 除了支持音频转文字，还支持了视频转文字

4. 新增了付费功能，按照每分钟0.16元价格来计价（虽然只能管理员手动充值）

5. 新增了预览和下载功能

虽然还有一些小bug，但是我已经很满意了。

从罗斯小姐给我提需求，想让我搞一个网页给她用，到现在迭代出第2版并且顺利上线，断断续续只用了5天时间，这对于我来说是一件极具成就感的事情。

后续的计划

我计划把整个开发过程详细地梳理并记录下来，供其他非计算机专业的文科生共勉。在人工智能快速发展的时代，只要肯研究，谁都可以做出自己的小应用，哪怕是只能解决一小部分用户的需求，那也足够了。

第2版的部署流程已经基本整理完成，完整的开发过程还在整理，整理好之后会开源出来。