背景

在上個月，有網頁咨詢我怎么才能獲取視頻中的音頻并識別成文本，我當時給他的回答是去問一下AI，讓AI來給你答案。

他覺得我在敷衍他，大罵了我一頓，大家覺得我的回答對嗎？

小編心里委屈，我覺得現在這個時代，什么問題都可以先咨詢AI，實在沒思路了再咨詢專業的人。

歷程

作為一個在軟件開發行業摸爬滾打多年的老碼農，這種工具肯定還是能手到擒來的。

說實話，之前沒想過這個問題，因為從來沒做過音視頻相關的項目，對這方面的知識了解不多。只知道直播行業對這方面的知識要求比較高。

遇事不決，先問AI。

由于之前了解過ffmpeg用這個工具獲取過視頻的時長，對此這個工具有基本的認知。

這里我們打開熱門的AI IDE Trae，直接用Builder模式問一下一般處理音視頻用技術方案，并讓他寫出Markdown文檔。

按照我的要求，給出了獨立的md文檔。

大體的瀏覽了一下，文檔給出的還是不錯的。

能給出具體的技術方案，并給出開發框架的選擇。可以說文檔的質量還是不錯的。修改一下不滿足的地方，可以作為實現的技術文檔。

技術方案最終用的Electron來實現，這是比較熱門的桌面端開發框架。
VSCode、Cherry Studio。

接下來就是讓AI自己按照文檔的要求實現了，實現的第一版，AI用簡單的樣式實現了。

第一版相對來說頁面看起來不美觀，又讓ai用UI組件Element-Plus來實現。

最后的版本是這樣的布局。

相對來說還是比較簡約的，畢竟功能簡單。沒有太多的實現。如果要添加功能可以在左側增加一個側邊欄。

對于我來說夠用了。

這里設置密鑰，使用了硅基流動的FunAudioLLM/SenseVoiceSmall模型進行的獲取，目前這個模型還是免費的，質量不錯。

最后

看來我沒有騙那個網友，用AI確實能解決他的問題。

技術棧

• Electron
• Element-Plus
• NodeJs
• ffmpeg