LRC歌词生成器

根据音频文件和歌词文本生成带时间轴的LRC文件。

工作流程

Task Progress:
- [ ] 步骤1: 检查依赖环境 (Whisper, FFmpeg)
- [ ] 步骤2: 读取歌词文本文件
- [ ] 步骤3: 使用Whisper识别音频获取时间戳
- [ ] 步骤4: 将识别结果与歌词文本对齐
- [ ] 步骤5: 生成LRC文件
- [ ] 步骤6: 验证输出

步骤1: 检查依赖环境

检查是否安装了必要的工具：

# 检查Whisper
python -c "import whisper; print('Whisper:', whisper.__version__)"

# 检查FFmpeg
ffmpeg -version

如未安装，执行安装：

# 安装Whisper及其依赖
pip install openai-whisper torch numba more-itertools tiktoken

# FFmpeg需单独安装，参见 https://ffmpeg.org/download.html

步骤2: 读取歌词文本

读取用户提供的歌词文件（通常是.txt格式）：

with open("歌词.txt", "r", encoding="utf-8") as f:
    lyrics = f.read()

将歌词按行分割，保留空行用于表示停顿：

lyrics_lines = lyrics.strip().split("n")

步骤3: 语音识别获取时间戳

使用Whisper识别音频，获取每句的时间戳：

import whisper
import json

model = whisper.load_model("small")  # 可选: tiny/base/small/medium/large

result = model.transcribe(
    "音频.wav",
    language="zh",
    verbose=True,
    word_timestamps=True
)

# 保存识别结果
with open("whisper_result.json", "w", encoding="utf-8") as f:
    json.dump(result, f, ensure_ascii=False, indent=2)

模型选择建议：

• tiny: 最快，精度较低
• base: 较快，适合清晰音频
• small: 平衡选择（推荐）
• medium/large: 最准确，但较慢

步骤4: 对齐歌词与时间戳

将Whisper识别的时间戳与正确歌词对齐：

def format_time(seconds):
    """转换为LRC时间格式 [mm:ss.xx]"""
    minutes = int(seconds // 60)
    secs = int(seconds % 60)
    millis = int((seconds % 1) * 100)
    return f"[{minutes:02d}:{secs:02d}.{millis:02d}]"

# 读取Whisper结果
with open("whisper_result.json", "r", encoding="utf-8") as f:
    data = json.load(f)

# 创建时间映射 (lyrics_index, start_time, end_time)
time_mapping = []
for i, seg in enumerate(data["segments"]):
    time_mapping.append((
        i,  # 对应歌词行索引
        seg["start"],
        seg["end"]
    ))

步骤5: 生成LRC文件

根据对齐结果生成LRC格式文件：

lrc_lines = []
lrc_lines.append("[ti:歌曲标题]")
lrc_lines.append("[ar:艺术家]")
lrc_lines.append("[al:专辑]")
lrc_lines.append("[by:QoderWork]")
lrc_lines.append("")

# 根据时间映射生成歌词行
for idx, start_time, end_time in time_mapping:
    if idx < len(lyrics_lines):
        line = lyrics_lines[idx]
        if line.strip():
            lrc_lines.append(f"{format_time(start_time)}{line}")
        else:
            lrc_lines.append("")

# 保存LRC文件
with open("歌词.lrc", "w", encoding="utf-8") as f:
    f.write("n".join(lrc_lines))

步骤6: 验证输出

检查生成的LRC文件：

1. 时间戳是否递增
2. 歌词行数是否匹配
3. 文件编码是否为UTF-8

完整示例脚本

见 scripts/generate_lrc.py

注意事项

1. 音频质量: 清晰的音频识别效果更好
2. 语言设置: 根据音频语言设置正确的language参数
3. 诗歌/朗诵: 对于非歌曲类音频，识别可能有音近字错误，需要人工校对
4. 时间调整: 生成的LRC可能需要微调，可用歌词编辑软件调整

输出格式示例

[ti:歌曲标题]
[ar:艺术家]
[al:专辑]
[by:QoderWork]

[00:11.94]绿绸半张 指落刀兵
[00:18.54]四方如城 他坐如渊
[00:26.98]筹码移山 收回江水
...