python程序开发问题求大佬提供思路或具体方案

ly0512

python3.9.7。
功能需求：能够实时获取电脑（Windows10）扬声器输出的内容，然后转成文字（均为中文内容，不涉及其他语言）。
特别注意事项：不能影响用户的收听音频和通过麦克风输入音频。

使用场景：视频会议时自动进行会议速记等功能。

目前没有任何思路和办法实现上述功能。恳请各位大佬提供解决思路。

helian147

没思路，问AI啊
1、获取音频：sounddevice模块，pyaudio模块，或者audiorecorder
2、语音转文本：搜论坛，搜github，例如https://github.com/jianchang512/stt

surepj

通义听悟甚至可以在线声音转文字
https://tingwu.aliyun.com/home

ly0512

surepj 发表于 2024-10-9 09:19

!(https://i.111666.best/image/STl2dDz0W7hMJGCPN2deFU.png)

通义听悟甚至可以在线声音转文字
...

好的，感谢，我今天试一试哈。
不过主要还是需求python程序的实现思路，因为其他功能已经开发好，就差这一个功能了。

ly0512

helian147 发表于 2024-10-9 08:15
没思路，问AI啊
1、获取音频：sounddevice模块，pyaudio模块，或者audiorecorder
2、语音转文本：搜论坛 ...

大佬，这两个我今天就去了解一下，如果可以就采纳
不过目前考虑到的难点就是如何获取到扬声器输出的音频，同时用户还能听到声音。并且还不能占用麦克风，让用户正常输入。
另外我也问过AI。但是都需要占用麦克风，导致用户无法正常输入音频（说话无声音）