开源语音识别模型，可本地转写音频并生成字幕
基本信息
- 用途
- 开源语音识别模型，可本地转写音频并生成字幕
- 分类
- 声音
- 出品方
- OpenAI
- 官网
- https://github.com/openai/whisper
主要功能
- 对多语言语音进行识别和转写
- 识别语音语言
- 支持将语音翻译为英文
- 命令行可输出文字及 SRT、VTT 等格式
适用场景
适合愿意使用命令行或把语音识别接入自己工作流的开发者。只需图形界面转写时，可考虑基于本地模型的 Buzz。
使用须知
- 安装需配置 Python 和 FFmpeg，并下载模型文件
- 模型大小影响运行速度与计算资源需求
- 识别质量受录音质量、语言和模型选择影响
常见问题
- Whisper 是网页工具吗？
- 这里收录的是 OpenAI 的开源项目，通常需要在本机或服务器安装运行。
- 能生成字幕吗？
- 可以。官方命令行提供 SRT 和 VTT 等输出格式。