Qt 离线语音识别：FFmpeg + sherpa-onnx（SenseVoice）视频转文字工具

本文内容由 AI 辅助生成，仅供学习参考。

项目：Qt5.14.2 MinGW64 + FFmpeg + sherpa-onnx-offline（SenseVoice 离线语音识别）
方案：QProcess 调用外部 exe，不编译源码

1. 项目整体架构
2. 运行依赖清单
3. UI 控件清单（MainWindow）
4. 文件目录结构（Release 打包目录）
5. 各组件下载地址 & 版本注意事项
   • 5.1 FFmpeg 下载
   • 5.2 sherpa-onnx-offline.exe 下载
   • 5.3 语音模型下载 - ModelScope 国内阿里镜像备选
6. 编译 & 打包 & 测试流程
   • 6.1 组包结构
   • 6.2 测试方法
7. 调试踩坑问题汇总
8. 完整源码 mainwindow.h/mainwindow.cpp
9. 限制说明
10. 效果

1. 项目整体架构

视频文件 → QProcess调用ffmpeg → 提取16k 单通道pcm wav音频 → QProcess调用sherpa-onnx-offline.exe（SenseVoice模型）→ 输出JSON识别结果 → Qt解析JSON → 展示文本 + 保存txt / 生成srt字幕 → UI：选择视频按钮、导出按钮、文本预览框

2. 运行依赖清单（Release 打包时必须一起复制到 release 目录）

1. Qt 运行库（MinGW64）
   Qt5 核心 dll：Qt5Core.dll、Qt5Gui.dll、Qt5Widgets.dll，平台插件platforms/qwindows.dll等，windeployqt自动导出。
2. FFmpeg 二进制

• 文件：ffmpeg.exe、ffprobe.exe
• 作用：视频解封装，提取音频，强制输出16000Hz，单声道，pcm_s16le wav
• 命令：

ffmpeg -i test.mp4 -vn -acodec pcm_s16le -ar 16000 -ac 1 temp_audio.wav -y

3. Sherpa-onnx 离线识别程序（sensevoice）

• sherpa-onnx-offline.exe+ 配套全部 dll

• 模型文件夹models/

  • model.int8.onnx（SenseVoice int8 模型）
  • tokens.txt

• 命令：

sherpa-onnx-offline.exe --sense-voice-model=./models/model.int8.onnx --tokens=./models/tokens.txt --sense-voice-language=auto temp_audio.wav

4. Qt 内置模块（无需额外安装库）

• QProcess：启动外部进程、读取输出、kill 终止进程
• QJsonDocument/QJsonObject/QJsonArray：解析识别 JSON 结果
• QFile/QTextStream：保存 txt、srt 字幕
• QProgressBar、QPushButton、QTextEdit：UI 界面

3. UI 控件清单（MainWindow）

表格

4. 文件目录结构（Release 打包目录）

release/ ├─ VideoAsr.exe # Qt编译出来的主程序 ├─ ffmpeg.exe ├─ ffprobe.exe ├─ sherpa-onnx-offline.exe ├─ sherpa一堆依赖dll ├─ temp_audio.wav # 临时音频（运行自动生成，结束可选择删除） ├─ models/ │ ├─ model.int8.onnx │ └─ tokens.txt ├─ platforms/ # Qt平台插件（windeployqt生成） └─ Qt一系列dll（windeployqt自动拷贝）

5. 各组件下载地址 & 版本注意事项

5.1 FFmpeg 下载

官方下载网址：https://ffmpeg.org/download.html#build-windows

• essential：简洁版本，推荐使用，体积小，满足音视频提取需求
• full：完整版本，包含大量编解码器，体积更大
  

5.2 sherpa-onnx-offline.exe 下载

官方下载方法网址（win64 位下载界面。下载依赖网络，有时候可以正常下载，有时候下载不了）：
https://k2-fsa.github.io/sherpa/onnx/install/windows/generated/download/windows_x64.html

选这个包下载：sherpa-onnx-v1.13.8-win-x64-shared-MT-Release-no-tts.tar.bz2

• win-x64：64 位 Windows
• shared-MT-Release：发布正式版，带 exe + 依赖 dll
• no-tts：不带语音合成，只包含语音识别，体积更小

⚠️重要：后缀是.tar.bz2，Windows 自带解压工具打不开，必须安装 7-Zip 解压

解压取出 sherpa-onnx-offline.exe 步骤：

1. 用 7-Zip 打开这个 tar.bz2 压缩包，全部解压到本地文件夹
2. 进入解压后的bin文件夹
3. 里面就能找到：sherpa-onnx-offline.exe
4. ✅把 bin 文件夹里面【所有 exe + 全部 dll 文件一起复制】，放到你的 Qt 程序输出目录（和你的 Qt 生成的 exe 放在同一文件夹，少一个 dll 都会报错）
   

注意：
如果访问这个链接 https://github.com/k2-fsa/sherpa-onnx/releases/tag/v1.13.8 直接下载 exe 包，这个 exe 包是 GUI 演示程序，不是命令行工具。因此实际运行时会跳出来模型下载说明窗口，不要选用。

5.3 语音模型下载 - ModelScope 国内阿里镜像备选

什么是语音模型，为什么下载语音模型？
sherpa-onnx-offline.exe 只是程序外壳，本身没有听懂语音的能力。语音模型就是训练好的 AI 神经网络文件，负责把音频转成文字。

1. model.int8.onnx：核心 AI 模型文件（int8 = 量化压缩，CPU 速度快，体积小，中文识别准确率高）
2. tokens.txt：字符映射字典，AI 识别出来的数字编码，靠这个文件翻译成中文汉字

关于下载版本要求：

• 不要混用不同发布时间的模型和 sherpa-onnx exe，很容易出现这类 ONNX 输入节点缺失报错
• 下载模型的时候，看页面标注的 sherpa-onnx 最低版本要求，必须满足

下载地址：https://modelscope.cn/models/baiyang2458/sherpa-onnx-sense-voice-zh-int8/files
文件：sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2025-09-09.tar.bz2
大小：165.78MB

这个压缩包里面就包含我们需要的：
model.int8.onnx + tokens.txt
支持：普通话、英语、粤语、日语、韩语，中文识别完全够用。

6. 编译 & 打包 & 测试流程

6.1 组包结构

严格按照此结构放置文件，参考上面第 4 章节目录结构。

6.2 测试方法

进入 release 文件夹，打开 PowerShell 命令窗口

测试 1：ffmpeg，验证是否运行

.\ffmpeg.exe -i test.mp4 -vn -acodec pcm_s16le -ar 16000 -ac 1 temp_audio.wav -y

✅成功：无报错，文件夹生成temp_audio.wav
❌失败排查：

• 文件不在当前目录、文件名中文 / 空格（需要英文双引号包裹路径）
• ffmpeg 缺失

测试 2：验证 sherpa 命令行识别

.\sherpa-onnx-offline.exe --sense-voice-model ./models/model.int8.onnx --tokens ./models/tokens.txt temp_audio.wav

✅成功：不弹出 GUI 窗口，控制台直接打印识别出来的中文文本
❌失败排查：

1. exe 名字写错，或者放成 GUI 演示程序
2. models 文件夹缺失、模型文件名不对
3. 缺少 sherpa 依赖 dll，直接闪退
4. wav 音频不是 16000Hz 16bit 单声道

完整编译打包步骤：

1. Qt 切换 Release 模式，编译生成 VideoAsr.exe
2. release 目录执行命令：windeployqt VideoAsr.exe，自动拷贝 Qt 依赖 dll
3. 手动复制：ffmpeg.exe、sherpa-onnx-offline.exe、sherpa 所有 dll、models 文件夹到 release 目录
4. 分步测试（重要！）
   • 测试 1：PowerShell 手动执行 ffmpeg，确认能生成 temp_audio.wav
   • 测试 2：PowerShell 手动执行 sherpa 命令，确认输出 JSON 识别结果
   • 测试 3：界面完整跑一遍：选视频 → 提取音频 → ASR 识别 → 保存 txt/srt
   • 测试 4：中途点击停止按钮，验证进程终止、UI 重置
5. 打包：压缩整个 release 文件夹，其他 Windows 电脑直接解压使用，无需安装 Qt/Python

7. 调试踩坑问题汇总

表格

8. 完整源码

mainwindow.h

#ifndef MAINWINDOW_H #define MAINWINDOW_H #include <QMainWindow> #include <QProcess> #include <QDir> #include <QCoreApplication> #include <QProgressBar> #include <QTimer> QT_BEGIN_NAMESPACE namespace Ui { class MainWindow; } QT_END_NAMESPACE class MainWindow : public QMainWindow { Q_OBJECT public: MainWindow(QWidget *parent = nullptr); ~MainWindow(); private slots: /** * @brief on_btnSelectVideo_clicked 【选择视频按钮】 * 弹出文件选择框，选中视频后自动启动FFmpeg提取音频，开始整个ASR任务 */ void on_btnSelectVideo_clicked(); /** * @brief onFfmpegStdErr 【FFmpeg stderr输出回调】 * 读取ffmpeg输出流，解析time字段，实时更新当前已转换音频时长 */ void onFfmpegStdErr(); /** * @brief onFfmpegFinished 【FFmpeg进程结束回调】 * 音频提取完成/失败后触发，成功则启动sherpa-onnx离线识别 * @param exitCode 进程退出码，0代表正常成功 */ void onFfmpegFinished(int exitCode); /** * @brief onAsrReadOutput 【Sherpa识别输出回调】 * 实时读取识别文本输出，追加到结果缓存，实时预览字幕 */ void onAsrReadOutput(); /** * @brief onAsrFinished 【Sherpa识别进程结束回调】 * 语音识别全部完成，汇总结果，更新UI状态 * @param exitCode 进程退出码 */ void onAsrFinished(int exitCode); /** * @brief onAsrStdErr 【接收 sherpa 的 stderr 调试信息】 * 接收 sherpa 的 stderr 调试信息 */ void onAsrStdErr(); /** * @brief on_btnStop_clicked 【停止任务按钮】 * 强制kill FFmpeg和Sherpa进程，终止当前任务，重置UI */ void on_btnStop_clicked(); /** * @brief on_btnSaveTxt_clicked 【保存TXT按钮】 * 将全部识别文本保存为utf-8 txt文本文件 */ void on_btnSaveTxt_clicked(); /** * @brief on_btnSaveSrt_clicked 【保存SRT字幕按钮】 * 简易SRT字幕保存，整段识别内容作为单条字幕 */ void on_btnSaveSrt_clicked(); /** * @brief on_chkDebugLog_clicked 【调试日志复选框点击事件】 * 切换是否开启详细调试日志 */ void on_chkDebugLog_clicked(); private: Ui::MainWindow *ui; QString m_videoPath; // 选中的视频完整路径 QString m_tempWavPath; // 临时wav音频文件完整路径 QProcess* m_ffmpegProc = nullptr; QProcess* m_asrProc = nullptr; bool m_isRunning = false; // 任务运行标记：true=正在处理 QString m_fullResultText; // 完整识别结果文本缓存 double m_videoTotalSec = 0.0; // 视频总时长(秒)，用于计算FFmpeg进度百分比 bool m_enableDebugLog = false;// 详细调试日志总开关 QProgressBar* m_progressBar; // 状态栏进度条 /** * @brief getVideoTotalDuration 使用ffprobe读取视频总时长（秒） * @param videoPath 视频文件路径 * @return 总秒数，读取失败返回0 */ double getVideoTotalDuration(const QString &videoPath); /** * @brief parseFfmpegTime 解析ffmpeg time字符串 "00:01:23.45" 转为总秒数 * @param timeStr 时间字符串 * @return 浮点秒数 */ double parseFfmpegTime(const QString &timeStr); /** * @brief updateSubtitlePreview 更新字幕预览框 * @param text 识别文本，实时显示在预览控件 */ void updateSubtitlePreview(const QString &text); /** * @brief resetUiState 重置UI控件状态，任务结束/中断后调用 */ void resetUiState(); /** * @brief cleanTempAudio 删除临时wav音频文件 */ void cleanTempAudio(); /** * @brief appendLog 统一日志输出函数 * @param msg 日志文本 * @param isDebugMsg true=调试详细日志，存入m_fullGlobalLog；false=基础状态日志，永远输出到textResult */ void appendLog(const QString &msg, bool isDebugMsg = false); QList<double> m_tsList; // 存储timestamps时间戳数组 QString m_rawAsrJson; // 保存sherpa原始完整json字符串 QByteArray m_stdoutBuffer;//缓存 QString m_fullAsrDebugLog;//显示全部调试信息 QString m_fullGlobalLog; //【新增】全局完整日志，后台持续保存所有操作日志 void showProgressBar(); void hideProgressBar(); }; #endif // MAINWINDOW_H

mainwindow.cpp

#include "mainwindow.h" #include "ui_mainwindow.h" #include <QMessageBox> #include <QRegularExpression> #include <QDateTime> #include <QFileDialog> #include <QTextStream> #include <QFile> #include <QJsonDocument> #include <QJsonObject> #include <QJsonArray> #include <QScrollBar> /** * @brief MainWindow 构造函数 * 初始化UI、初始化进程指针，绑定信号槽，初始化状态栏进度条 */ MainWindow::MainWindow(QWidget *parent) : QMainWindow(parent) , ui(new Ui::MainWindow) { ui->setupUi(this); // ========== 状态栏进度条初始化 ========== m_progressBar = new QProgressBar(this); m_progressBar->setRange(0,100); m_progressBar->setValue(0); m_progressBar->setFixedWidth(280); // 加宽一点，更好看 m_progressBar->setFixedHeight(16); // 高度调小，适配状态栏 m_progressBar->setTextVisible(true); // 显示百分比文字 m_progressBar->setAlignment(Qt::AlignCenter); hideProgressBar(); // 默认隐藏 m_progressBar->setStyleSheet(R"( QProgressBar{ border-radius:8px; background-color:#E5E7EB; text-align:center; color:#222222; font-size:10px; } QProgressBar::chunk{ border-radius:8px; background-color:#2563EB; } )"); // 添加到状态栏永久右侧控件 statusBar()->addPermanentWidget(m_progressBar); statusBar()->showMessage("就绪"); ui->btnStop->setEnabled(false); ui->chkDebugLog->setChecked(false); // 默认关闭调试日志 m_enableDebugLog = false; ui->textSubtitleView->setVisible(false); //【新增】默认隐藏详细日志窗口 m_fullGlobalLog.clear(); //初始化全局日志 } /** * @brief ~MainWindow 析构函数 * 程序关闭时强制杀死残留的ffmpeg、sherpa进程，释放资源 */ MainWindow::~MainWindow() { if(m_ffmpegProc) { m_ffmpegProc->kill(); m_ffmpegProc->waitForFinished(1000); } if(m_asrProc) { m_asrProc->kill(); m_asrProc->waitForFinished(1000); } delete ui; } void MainWindow::showProgressBar() { m_progressBar->show(); } void MainWindow::hideProgressBar() { m_progressBar->hide(); } /** * @brief appendLog 统一日志输出函数 * @param msg 日志文本 * @param isDebugMsg true=调试详细日志，存入m_fullGlobalLog；false=基础状态日志，永远输出到textResult */ void MainWindow::appendLog(const QString &msg, bool isDebugMsg) { if(isDebugMsg) { // 调试日志：追加到全局日志缓存，带时间戳 QString timeStr = QDateTime::currentDateTime().toString("HH:mm:ss"); QString line = QString("[%1] %2").arg(timeStr, msg); m_fullGlobalLog += line + "\n"; // 勾选调试框，实时刷新textSubtitleView并滚动到底 if(m_enableDebugLog) { ui->textSubtitleView->setPlainText(m_fullGlobalLog); QScrollBar *vbar = ui->textSubtitleView->verticalScrollBar(); if(vbar) { vbar->setValue(vbar->maximum()); } } } else { // 基础业务日志，直接输出到textResult，不受调试开关控制 ui->textResult->append(msg); } } /** * @brief on_chkDebugLog_clicked 【调试日志复选框点击事件】 * 切换是否开启详细调试日志 */ void MainWindow::on_chkDebugLog_clicked() { m_enableDebugLog = ui->chkDebugLog->isChecked(); ui->textSubtitleView->setVisible(m_enableDebugLog); if(m_enableDebugLog) { appendLog("✅已开启详细调试日志", false); // 打开日志窗口，加载已经收集的全部历史日志 ui->textSubtitleView->setPlainText(m_fullGlobalLog); QScrollBar *vbar = ui->textSubtitleView->verticalScrollBar(); if(vbar) { vbar->setValue(vbar->maximum()); } } else { appendLog("✅已关闭详细调试日志", false); } } /** * @brief on_btnSelectVideo_clicked 【选择视频按钮】 * 弹出文件选择框，选中视频后自动启动FFmpeg提取音频，开始整个ASR任务 */ void MainWindow::on_btnSelectVideo_clicked() { if(m_isRunning) { QMessageBox::warning(this,"提示","任务正在运行，请先停止！"); return; } QString videoFile = QFileDialog::getOpenFileName(this,tr("选择视频"),QDir::homePath(),tr("视频文件 (*.mp4 *.mov *.avi *.mkv)")); if(videoFile.isEmpty()) return; m_videoPath = videoFile; // ========== 状态栏显示视频路径，不再使用labelVideoPath ========== statusBar()->showMessage(QString("已选中视频：%1").arg(m_videoPath)); // 临时wav放在程序exe同目录，避免工作目录错乱 QString appDir = QCoreApplication::applicationDirPath(); m_tempWavPath = QDir(appDir).filePath("temp_audio.wav"); // 清空旧数据 m_fullResultText.clear(); ui->textResult->clear(); ui->textSubtitleView->clear(); m_fullGlobalLog.clear(); //【重点】新视频，清空全局调试日志 m_progressBar->setValue(0); m_isRunning = true; ui->btnStop->setEnabled(true); ui->btnSelectVideo->setEnabled(false); // 任务运行时禁用选择视频按钮 showProgressBar(); // 开始任务，显示状态栏进度条 // 【第一步】读取视频总时长，用于进度百分比计算 m_videoTotalSec = getVideoTotalDuration(m_videoPath); if(m_videoTotalSec <= 0) { appendLog("⚠️警告：读取视频总时长失败，进度条只能显示原始时间，无法计算百分比", false); } // 启动ffmpeg提取音频 m_ffmpegProc = new QProcess(this); QStringList args; args << "-i" << m_videoPath << "-vn" << "-acodec" << "pcm_s16le" << "-ar" << "16000" << "-ac" << "1" << "-y" << m_tempWavPath; // 合并通道，捕获stderr解析进度 m_ffmpegProc->setProcessChannelMode(QProcess::MergedChannels); connect(m_ffmpegProc, SIGNAL(readyReadStandardError()), this, SLOT(onFfmpegStdErr())); connect(m_ffmpegProc, SIGNAL(finished(int)), this, SLOT(onFfmpegFinished(int))); m_ffmpegProc->start(QDir(appDir).filePath("ffmpeg.exe"), args); appendLog(QString("选中视频：%1").arg(m_videoPath), false); appendLog("开始音频提取...", false); } /** * @brief onFfmpegStdErr 【FFmpeg stderr输出回调】 * 读取ffmpeg输出流，解析time字段，实时更新当前已转换音频时长，计算进度百分比 */ void MainWindow::onFfmpegStdErr() { if(!m_ffmpegProc) return; QString data = QString::fromUtf8(m_ffmpegProc->readAllStandardError()); static QRegularExpression re("time=(\\d+):(\\d+):(\\d+)\\.(\\d+)"); auto match = re.match(data); if(match.hasMatch()) { int h = match.captured(1).toInt(); int m = match.captured(2).toInt(); int s = match.captured(3).toInt(); double currentSec = h*3600 + m*60 + s; // 标记为调试日志，存入m_fullGlobalLog appendLog(QString("FFmpeg已转换：%1 秒").arg(currentSec), true); // 有总时长，计算FFmpeg阶段进度(0~50%) if(m_videoTotalSec > 0) { double percent = currentSec / m_videoTotalSec * 50.0; if(percent > 50) percent = 50; m_progressBar->setValue(static_cast<int>(percent)); } } } /** * @brief onFfmpegFinished 【FFmpeg进程结束回调】 * 音频提取完成/失败后触发，成功则启动sherpa-onnx离线识别 * @param exitCode 进程退出码，0代表正常成功 */ void MainWindow::onFfmpegFinished(int exitCode) { m_ffmpegProc->deleteLater(); m_ffmpegProc = nullptr; if(!m_isRunning) { resetUiState(); return; } if(exitCode != 0) { appendLog("❌FFmpeg音频提取失败", false); resetUiState(); return; } appendLog("✅音频提取完成，开始离线语音识别", false); m_progressBar->setValue(50); statusBar()->showMessage("正在ASR语音识别..."); // 启动 sherpa-onnx-offline 识别 m_asrProc = new QProcess(this); QString appDir = QCoreApplication::applicationDirPath(); m_asrProc->setWorkingDirectory(appDir); QStringList args; args << "--sense-voice-model=./models/model.int8.onnx"; args << "--tokens=./models/tokens.txt"; args << "--sense-voice-language=auto"; args << m_tempWavPath; // ===== 重点：绑定stdout和stderr两个信号 ===== connect(m_asrProc, SIGNAL(readyReadStandardOutput()), this, SLOT(onAsrReadOutput())); connect(m_asrProc, SIGNAL(readyReadStandardError()), this, SLOT(onAsrStdErr())); connect(m_asrProc, SIGNAL(finished(int)), this, SLOT(onAsrFinished(int))); // 清空缓存，防止上次任务残留 m_stdoutBuffer.clear(); m_fullAsrDebugLog.clear(); m_asrProc->start(QDir(appDir).filePath("sherpa-onnx-offline.exe"), args); appendLog("sherpa进程已启动，等待识别输出...", false); } /** * @brief onAsrReadOutput 【Sherpa识别输出回调】 * 只收集stdout原始数据，存入调试日志 */ void MainWindow::onAsrReadOutput() { if(!m_asrProc) return; QByteArray data = m_asrProc->readAllStandardOutput(); m_stdoutBuffer += data; QString stdoutText = QString::fromUtf8(data); appendLog(QString("[SHERPA STDOUT] %1").arg(stdoutText), true); m_fullAsrDebugLog += stdoutText; } /** * @brief onAsrStdErr 【接收 sherpa 的 stderr 调试信息】 */ void MainWindow::onAsrStdErr() { if(!m_asrProc) return; QString errText = QString::fromUtf8(m_asrProc->readAllStandardError()); appendLog(QString("[SHERPA STDERR] %1").arg(errText), true); m_fullAsrDebugLog += errText; } /** * @brief onAsrFinished 【Sherpa识别进程结束回调】 * 语音识别全部完成，汇总结果，解析完整JSON * @param exitCode 进程退出码 */ void MainWindow::onAsrFinished(int exitCode) { m_asrProc->deleteLater(); m_asrProc = nullptr; m_progressBar->setValue(100); QString out = QString::fromUtf8(m_stdoutBuffer).trimmed(); m_rawAsrJson = out; if(exitCode == 0) { appendLog("✅识别任务全部完成", false); statusBar()->showMessage("识别完成"); m_progressBar->setValue(100); QJsonParseError jsonErr; QJsonDocument doc = QJsonDocument::fromJson(m_stdoutBuffer, &jsonErr); if(jsonErr.error == QJsonParseError::NoError && doc.isObject()) { QJsonObject obj = doc.object(); QString pureText = obj["text"].toString().trimmed(); m_fullResultText = pureText; QJsonArray tsArr = obj["timestamps"].toArray(); m_tsList.clear(); for(auto item : tsArr) { m_tsList.append(item.toDouble()); } appendLog(QString("【识别文本】：%1").arg(m_fullResultText), false); appendLog(QString("Sherpa原始JSON：%1").arg(out), true); } else { appendLog("⚠️JSON解析失败！原始输出：" + out, false); appendLog(QString("JSON解析失败，原始输出：%1").arg(out), true); } } else { appendLog(QString("❌识别进程异常退出，退出码：%1").arg(exitCode), false); appendLog(QString("❌识别进程异常退出，exitCode=%1").arg(exitCode), true); statusBar()->showMessage("识别任务失败"); m_progressBar->setValue(0); } cleanTempAudio(); resetUiState(); } /** * @brief on_btnStop_clicked 【停止任务按钮】 * 强制kill FFmpeg和Sherpa进程，终止当前任务，重置UI */ void MainWindow::on_btnStop_clicked() { appendLog("⚠️用户点击停止按钮，终止任务", true); if(m_ffmpegProc) { m_ffmpegProc->kill(); m_ffmpegProc->waitForFinished(1000); m_ffmpegProc->deleteLater(); m_ffmpegProc = nullptr; } if(m_asrProc) { m_asrProc->kill(); m_asrProc->waitForFinished(1000); m_asrProc->deleteLater(); m_asrProc = nullptr; } appendLog("⚠️任务已手动停止", false); statusBar()->showMessage("任务手动终止"); cleanTempAudio(); resetUiState(); } /** * @brief on_btnSaveTxt_clicked 【保存TXT按钮】 * 将全部识别文本保存为utf-8 txt文本文件 */ void MainWindow::on_btnSaveTxt_clicked() { if(m_fullResultText.trimmed().isEmpty()) { QMessageBox::warning(this,"提示","暂无识别结果！"); return; } QString savePath = QFileDialog::getSaveFileName(this,"保存文本",QDir::homePath()+"/result.txt","Text (*.txt)"); if(savePath.isEmpty()) return; QFile f(savePath); if(!f.open(QIODevice::WriteOnly|QIODevice::Text)) { QMessageBox::critical(this,"错误","保存失败，无法打开文件"); return; } QTextStream ts(&f); ts.setCodec("UTF-8"); ts << m_fullResultText; f.close(); appendLog(QString("TXT识别结果保存至：%1").arg(savePath), true); QMessageBox::information(this,"成功","TXT文本已保存"); } /** * @brief on_btnSaveSrt_clicked 【保存SRT字幕按钮】 * 简易SRT字幕保存，整段识别内容作为单条字幕 */ void MainWindow::on_btnSaveSrt_clicked() { if(m_fullResultText.trimmed().isEmpty() || m_tsList.isEmpty()) { QMessageBox::warning(this,"提示","暂无识别结果或时间戳数据！"); return; } QString savePath = QFileDialog::getSaveFileName(this,"保存SRT字幕",QDir::homePath()+"/result.srt","Subtitle (*.srt)"); if(savePath.isEmpty()) return; QFile f(savePath); if(!f.open(QIODevice::WriteOnly|QIODevice::Text)) { QMessageBox::critical(this,"错误","SRT保存失败，无法打开文件"); return; } QTextStream ts(&f); ts.setCodec("UTF-8"); ts << "1\n"; ts << "00:00:00,000 --> 99:59:59,000\n"; ts << m_fullResultText.trimmed() << "\n\n"; f.close(); appendLog(QString("SRT字幕保存至：%1").arg(savePath), true); QMessageBox::information(this,"成功","SRT字幕已保存"); } /** * @brief parseFfmpegTime 解析ffmpeg time字符串 "00:01:23.45" 转为总秒数 * @param timeStr 时间字符串 * @return 浮点秒数 */ double MainWindow::parseFfmpegTime(const QString &timeStr) { QStringList parts = timeStr.split(":"); if(parts.size()<3) return 0; double h = parts[0].toDouble(); double m = parts[1].toDouble(); double s = parts[2].toDouble(); return h*3600 + m*60 + s; } /** * @brief getVideoTotalDuration 使用ffprobe读取视频总时长（秒） * @param videoPath 视频文件路径 * @return 总秒数，读取失败返回0 */ double MainWindow::getVideoTotalDuration(const QString &videoPath) { QProcess probe; QString appDir = QCoreApplication::applicationDirPath(); QStringList args; args << "-v" << "error" << "-select_streams" << "v:0" << "-show_entries" << "stream=duration" << "-of" << "default=noprint_wrappers=1:nokey=1" << videoPath; probe.start(QDir(appDir).filePath("ffprobe.exe"), args); if(!probe.waitForFinished(3000)) return 0; QString durStr = QString::fromUtf8(probe.readAllStandardOutput()).trimmed(); return durStr.toDouble(); } /** * @brief updateSubtitlePreview 更新字幕预览框 * @param text 识别文本，实时显示在预览控件 */ void MainWindow::updateSubtitlePreview(const QString &text) { ui->textSubtitleView->setPlainText(text); } /** * @brief resetUiState 重置UI控件状态，任务结束/中断后调用 */ void MainWindow::resetUiState() { m_isRunning = false; ui->btnStop->setEnabled(false); ui->btnSelectVideo->setEnabled(true); hideProgressBar(); //任务结束隐藏状态栏进度条 } /** * @brief cleanTempAudio 删除临时wav音频文件 */ void MainWindow::cleanTempAudio() { QFile tempFile(m_tempWavPath); if(tempFile.exists()) { tempFile.remove(); appendLog("临时音频文件已自动删除", false); appendLog("临时音频文件已自动删除", true); } }

9. 限制说明

1. 外部 exe 方案
2. 会生成临时 wav 音频文件；
3. 分发需要附带 ffmpeg、sherpa exe、dll、模型文件夹；
4. 模型文件体积较大，首次加载模型存在几秒耗时。

后续扩展：
拿到 sherpa 输出完整 JSON 后，补充 JSON 解析代码，提取 text 和 timestamps，调用 saveTxt/saveSrt 保存字幕。

10.效果