常见原因是视频无音频轨道或moviepy读取失败；需用ffprobe确认音轨存在，再加audio=True参数加载，损坏或HEVC视频建议直接用ffmpeg提取。
用 moviepy 提取音频流时为什么总报错 AttributeError: 'VideoFileClip' object has no attribute 'audio'
常见原因是视频文件本身不含音频轨道，或 moviepy 读取失败但没抛异常。先用 ffprobe 确认音轨存在：
ffprobe -v quiet -show_entries stream=codec_type -of csv=p=0 your_video.mp4输出里应有
audio 行。若没有，跳过提取；若有但仍报错，试试加 audio=True 参数强制加载：VideoFileClip("x.mp4", audio=True)。注意：某些损坏 MP4 或 HEVC 编码的视频，moviepy 会静默丢弃音频，此时直接用 ffmpeg 命令更可靠。
用 whisper 转录音频时，model.transcribe() 卡住或显存爆掉怎么办
默认模型（如 large）在 CPU 上跑极慢，在 GPU 上显存需求高。实操建议：
- 优先选轻量模型：
whisper.load_model("base")（CPU 可跑，5 分钟内完成 1 小时音频） - 显存不足时加
device="cpu"参数，别依赖自动检测 - 长视频务必分段处理——
whisper不支持流式输入，整段加载会 OOM；可用pydub切成 30 秒片段再逐个transcribe() - 避免传入未转格式的原始音频对象，先用
audio.write_audiofile("tmp.wav", fps=16000)统一为 WAV + 16kHz
中文识别不准、专有名词全错，是模型问题还是预处理问题
主要是模型和输入不匹配。Whisper 的 base/small 模型对中文支持弱，medium 是平衡点，large-v3 最准但吃资源。另外三个易忽略点：
librosa Python 音频与音乐分析库
下载
librosa 是一个用于音频和音乐分析的 Python 库。它提供了特征提取、频谱分析、节拍跟踪、起始检测和音频可视化的工具，基于 NumPy 和 SciPy 构建，用于科学音频计算。
- 音频采样率必须是 16kHz，否则语音特征失真——
pydub转换时加set_frame_rate(16000) - 背景噪音大时，
whisper会把“嗯”“啊”识别成中文助词，提前用noisereduce降噪比调 prompt 更有效 - 识别结果含大量时间戳和标点缺失？用
transcribe(..., language="zh", fp16=False)显式指定语言，并关掉半精度（某些中文 token 在 FP16 下映射异常）
想批量处理目录下所有 MP4，但脚本运行一半就停在某个文件上
这是典型异常未捕获导致中断。不要用裸 for 循环遍历文件，必须包 try/except，且区分不同错误类型：
-
FileNotFoundError：跳过损坏文件 -
RuntimeError（如 CUDA out of memory）：自动切回 CPU 模式重试 -
KeyError或AttributeError（来自moviepy）：记录日志并跳过该文件，继续下一个
tmp.wav）不清理会导致磁盘占满，每次处理完加 os.remove("tmp.wav")，或用 tempfile.NamedTemporaryFile(delete=False) 管理。立即学习“Python免费学习笔记（深入）”；
实际跑通的关键不在模型多大，而在每一步都验证中间产物：用ffprobe 看音轨、用 sox 或 pydub.play() 听一段输出 WAV、用 print(len(result["segments"])) 确认 whisper 至少返回了几十段文本。漏掉任一环，后面全是无效计算。 
