我尝试通过PyO 3 rust代码使用Python whisper speech to text API。
对于这里找到的whisper github上给出的例子

import whisper

model = whisper.load_model("base")
result = model.transcribe("audio.mp3")
print(result["text"])

它只提供文本。这是有意义的，因为它提供了在dict中打印“text”值的逻辑。
我的rust程序如下：

use pyo3::prelude::*;
use pyo3::types::PyTuple;

fn main() -> PyResult<()> {
    let arg1 = "tiny";
    let arg2 = "/test_dir/test/Test3.opus";

    Python::with_gil(|py| {
        let whisper = PyModule::import(py, "whisper")?;

        let model_args = PyTuple::new(py, &[arg1]);
        let audio_args = PyTuple::new(py, &[arg2]);

        let model = whisper
            .getattr("load_model")?
            .call1(model_args)?;
            //.extract()?;
        println!("Model loaded");
        let audio = whisper
            .getattr("load_audio")?
            .call1(audio_args)?;

        println!("Audio loaded");

        let result_args = PyTuple::new(py, &[model, audio]);

        println!("Arguments setup");

        let result = whisper
            .getattr("transcribe")?
            .call1(result_args)?;

        println!("Output is: {}", result);

        Ok(())
    })
}

我遇到的问题是，虽然我确实得到了一个输出，但它不仅仅是文本，而是转录返回的dict输出的所有三个部分。这意味着当我只需要文本时，它会输出文本、片段和语言。
在查看PyO 3文档时，我似乎无法确定如何从输出中获取文本。
这可能是一些基本的东西，我忽略了，但任何建议是赞赏，因为我是新的生 rust ！