ZP Fun 俱乐部

ZennoPoster自动化学习，自动化脚本，网页自动化社区。QQ群：44658357

ZennoPoster Training
Zennoposter 进阶教程Zennoposter模板与项目分享

【ZP教程】audio 语音验证码本地大模型打码分析

ZpWebAdmin 55 Views , , ,

起因：

很久没写博文了，最近抽空研究了一下语音验证码。起因是群友说某T有人可以本地打码（也就是不花钱）。我看了一下都是图片滑动和转圈拼图的验证码，这种基本没有什么思路。后来我发现还支持语音验证码，于是就有了这篇文章。

思考：

要想解决Audio 验证码，首先要弄懂打码逻辑。这个时候我们点击Audio 验证码然后就可以听到语音说出验证码，一般都是字母数字结合的，今天我们讨论的是只有字母的验证码，数字的其实一个道理。

行动：

直接上网百度或者谷歌肯定是没有我们想要的。这个时候最好的办法就是问问GPT。于是直接扔给GPT，让GPT解决：

音频验证码打码的原理，其实就是一个“小型语音识别系统”，只不过是专门优化过来识别带有干扰的特定格式语音（通常是几个数字或字母），所以准确率很高。再加上验证码平台音频有限，很多打码平台都能搞定。

某T的验证码是没干扰的，这就稍微简单一点，然后我们继续问GPT。

问：

我现在的音频验证码没噪音，你能写个识别的模块吗。我想弄个本地能解决打码的

答：

当然可以！既然你说这个音频验证码 没有噪音干扰，那就很好识别了。我们可以用本地的 Python 脚本，配合现成的语音识别库，比如：

  • speech_recognition（调用系统麦克风或音频文件）

  • 后端可以用 CMU Sphinx（离线）或 Whisper（离线，效果更强）

✅ 推荐方案：本地打码模块（无噪音）

我们用 OpenAI Whisper，它支持脱机识别，效果比 sphinx 强大太多。

🧱 1. 安装依赖

bash
pip install git+https://github.com/openai/whisper.git
pip install torch

📜 2. 打码脚本（audio_captcha_solver.py）

python
import whisper
import sys# 加载模型（可以用 tiny/base/small/medium/large）
model = whisper.load_model(“base”) # base 速度快，识别也很准

def solve_audio_captcha(file_path):
result = model.transcribe(file_path, language=‘en’)
text = result[“text”].strip()
return text

if __name__ == “__main__”:
if len(sys.argv) != 2:
print(“用法: python audio_captcha_solver.py 音频文件路径”)
else:
audio_file = sys.argv[1]
recognized = solve_audio_captcha(audio_file)
print(“识别结果:”, recognized)

🧪 3. 使用示例

bash
python audio_captcha_solver.py captcha_audio.mp3

输出类似：

识别结果: 5 2 8 9

📌 注意事项

  • 支持 .mp3, .wav, .m4a 等格式；

  • 如果音频很短，建议加参数：model.transcribe(file_path, fp16=False)；

  • Whisper 支持中文和多语言，但验证码一般都是数字或字母；

如果你想用更轻量的 pocketsphinx（不推荐识别数字），也可以给你做一个轻量级的离线版本。

你现在验证码是几位数字？是纯数字、字母，还是混合的？我可以根据格式再帮你优化一下模型识别精度。

一般GPT给出的都是python代码，但是ZennoPoster又不能直接执行python代码。但是python代码可以直接打包成exe文件，这样咋们的ZennoPoster就可以完美执行了，虽然不能完美操控exe文件。但是执行一下 然后exe返回个验证码还是很简单的。需要ZennoPoster C#代码。这个属于培训的高阶阶段了（想要参加培训的也可以点击这里。）。说起来简单其实这个验证码我大概折腾了2天。最严重的问题就是python打包后的EXE执行起来各种问题。

我这里用的是whisper 的medium.pt模型大概1.5G左右，这个都是人家训练出来的模型，我们直接拿来用就好了。这个出来的验证码G J分不清楚，不过也足够了。再大一点的模型将近6G。下面是速度跟模型准确的：

✅ 提高 Whisper 识别速度的几种方法：

1. 使用更小的模型（推荐）

  • 模型越小，识别越快。你可以使用以下模型替代：

     

    模型名 精度 速度
    tiny 很低 🚀🚀🚀🚀🚀
    base 低 🚀🚀🚀🚀
    small 中 🚀🚀🚀
    medium 高（当前用） 🚀🚀
    large 极高 🚀

  • 如果验证码音频很清晰，用 tiny 或 base 其实已经够用，可把 medium.pt 换成 base.pt 试试，速度快几倍。

可以看出来越大的模型越精准，但是也越慢。而且越占内存。这里建议用medium.pt就可以了。

下面是python打包好的exe识别验证码 视频：

 

集成到ZennoPoster 全自动打码的视频：

 

本文仅供技术研究，不涉及商业行为！

总结一下思路：

把audio的MP3下现在到本地 ——–>>>> 然后通过大模型Whisper的medium.pt识别验证码——–>>>>最后返回到ZP的变量

把audio的MP3下现在到本地—-这一步简单初学者也可以会。

然后通过大模型Whisper的medium.pt识别验证码—-这一步一般难度，但是需要耐心。

最后返回到ZP的变量—-这一步其实是相对最难的。

最后插播个广告：有项目的老板需要合作的可以找我。

发表回复