AI编程： 使用Trae1小时做成的音视频工具，提取音频并识别文本

背景

在上个月，有网页咨询我怎么才能获取视频中的音频并识别成文本，我当时给他的回答是去问一下AI，让AI来给你答案。

他觉得我在敷衍他，大骂了我一顿，大家觉得我的回答对吗？

小编心里委屈，我觉得现在这个时代，什么问题都可以先咨询AI，实在没思路了再咨询专业的人。

历程

作为一个在软件开发行业摸爬滚打多年的老码农，这种工具肯定还是能手到擒来的。

说实话，之前没想过这个问题，因为从来没做过音视频相关的项目，对这方面的知识了解不多。只知道直播行业对这方面的知识要求比较高。

遇事不决，先问AI。

由于之前了解过ffmpeg用这个工具获取过视频的时长，对此这个工具有基本的认知。

这里我们打开热门的AI IDE Trae，直接用Builder模式问一下一般处理音视频用技术方案，并让他写出Markdown文档。

按照我的要求，给出了独立的md文档。

大体的浏览了一下，文档给出的还是不错的。

能给出具体的技术方案，并给出开发框架的选择。可以说文档的质量还是不错的。修改一下不满足的地方，可以作为实现的技术文档。

技术方案最终用的Electron来实现，这是比较热门的桌面端开发框架。
VSCode、Cherry Studio。

接下来就是让AI自己按照文档的要求实现了，实现的第一版，AI用简单的样式实现了。

第一版相对来说页面看起来不美观，又让ai用UI组件Element-Plus来实现。

最后的版本是这样的布局。

相对来说还是比较简约的，毕竟功能简单。没有太多的实现。如果要添加功能可以在左侧增加一个侧边栏。

对于我来说够用了。

这里设置密钥，使用了硅基流动的FunAudioLLM/SenseVoiceSmall模型进行的获取，目前这个模型还是免费的，质量不错。

最后

看来我没有骗那个网友，用AI确实能解决他的问题。

技术栈

• Electron
• Element-Plus
• NodeJs
• ffmpeg