導(dǎo)言：當(dāng)遇到無字幕、難理解的音頻或視頻，想要獲取字幕文本怎么辦？想要解放雙手，在電腦端直接錄音轉(zhuǎn)文字怎么辦？今天小編來為大家介紹一款全程免費(fèi)、支持多語種、準(zhǔn)確率高，且可以直接生成多種格式文字稿的ASR工具WhisperDesktop。

Whisper簡(jiǎn)介 Whisper Description

Whisper是由OpenAI開發(fā)的一個(gè)自動(dòng)語音識(shí)別(ASR)開源系統(tǒng)。經(jīng)過訓(xùn)練，它能夠支持多種語言的語音轉(zhuǎn)錄，并且可以將這些語言翻譯成英文，同時(shí)還能夠有效地過濾掉背景音和雜音。

Whisper官方介紹：https://openai.com/research/whisper

Whisper支持的語言種類豐富

OpenAI的技術(shù)文檔介紹了如何基于Whisper模型調(diào)用語言轉(zhuǎn)文本API來實(shí)現(xiàn)語言轉(zhuǎn)寫或?qū)⒄Z言翻譯成英文的功能。

Speech-to-text API 介紹文檔

可實(shí)現(xiàn)本地電腦的音頻轉(zhuǎn)文字軟件！完全免費(fèi)開源！支持 Windows、macOS、Linux（目前界面只有英文的，但支持中文的轉(zhuǎn)換）

特征

• 基于 DirectCompute 的供應(yīng)商不可知的 GPGPU；該技術(shù)的另一個(gè)名稱是“Direct3D 11 中的計(jì)算著色器”
• 純 C++ 實(shí)現(xiàn)，除了基本的 OS 組件外沒有運(yùn)行時(shí)依賴性
• 比 OpenAI 的實(shí)現(xiàn)快得多。
• 混合 F16 / F32 精度：自 D3D 版本 10.0 起，Windows [color=var(--color-accent-fg)]需要緩沖區(qū) 的支持R16_FLOAT
• 內(nèi)置性能分析器，可測(cè)量單個(gè)計(jì)算著色器的執(zhí)行時(shí)間
• 內(nèi)存使用率低
• 用于音頻處理的媒體基礎(chǔ)，支持大多數(shù)音頻和視頻格式（Ogg Vorbis 除外），以及大多數(shù)在 Windows 上運(yùn)行的音頻捕獲設(shè)備（除了一些專業(yè)的，它們只實(shí)現(xiàn) ASIO API [color=var(--color-accent-fg)]。
• 用于音頻捕獲的語音活動(dòng)檢測(cè)。

WhisperDesktop工具下載 WhisperDesktop

基于Whisper模型，Konstanti設(shè)計(jì)了一款工具WhisperDesktop，能夠在Windows系統(tǒng)中直接使用，無需api key，且安裝步驟及操作都十分便捷。下面就來跟隨小編一起下載體驗(yàn)吧~

WHISPERDESKTOP 下載操作

首先，打開https://github.com/Const-me/Whisper，找到頁面右下方releases中的最新版本，點(diǎn)擊進(jìn)行下載。為了方便下載，我們提供了百度網(wǎng)盤的下載地址，詳細(xì)如下。

WhisperDesktop(電腦音頻轉(zhuǎn)文字軟件) V1.8 漢化免費(fèi)版

• 類型：轉(zhuǎn)換翻譯
• 大小：620MB
• 語言：簡(jiǎn)體中文
• 時(shí)間：2023-05-22

查看詳情

完成下載后，將壓縮包進(jìn)行解壓縮，找到WhisperDestop.exe，即為工具程序，點(diǎn)擊運(yùn)行。運(yùn)行成功后進(jìn)入主頁面，開始配置。

在使用前，需要下載一個(gè)二進(jìn)制文件，請(qǐng)點(diǎn)擊頁面中的Hugging Face。

https://huggingface.co/ggerganov/whisper.cpp/tree/main

打開這個(gè)網(wǎng)頁之后，我們會(huì)看到很多文件，根據(jù)Whisper模型的不同型號(hào)（tiny, base, small, medium, large-v1, large-v2），網(wǎng)頁上提供了多種二進(jìn)制文件（.bin文件）。模型越大，轉(zhuǎn)寫及翻譯的準(zhǔn)確度就越高，但同時(shí)運(yùn)行的速度也會(huì)相對(duì)變慢。大家可以根據(jù)電腦配置及使用需求來選擇。

HOW TO USE 使用操作--文件轉(zhuǎn)寫

將文件下載成功后，將文件所在的本地路徑復(fù)制到Model Path后，配置完畢，點(diǎn)擊OK，進(jìn)入使用界面。

1.在language中選擇音頻或者視頻中的語種。如果希望將其他語言翻譯成英文，請(qǐng)勾選Translate。

2.點(diǎn)擊Transcribe File欄中右側(cè)的小方框，選擇轉(zhuǎn)寫文件。

3.在Output Format的下拉菜單中，你可以選擇輸出的格式：純文本Text、帶時(shí)間軸的文本Text with timestamps、SRT格式的字幕文件 SubRip subtitles以及WebVTT格式的字幕文件 WebVTT subtitles。

4.如果希望將轉(zhuǎn)寫文件與原文件放在同一目錄下，請(qǐng)勾選 “Place that file to the input folder”，或者你可以選擇新建一個(gè)文件，將文件的路徑復(fù)制到下方。

均設(shè)置好后，點(diǎn)擊Transcribe進(jìn)行轉(zhuǎn)寫。

HOW TO USE 使用操作--語音轉(zhuǎn)寫

WhisperDesktop還支持Audio Capture的功能，即將錄音結(jié)果進(jìn)行轉(zhuǎn)寫或翻譯。點(diǎn)擊下方Audio Capture按鈕，進(jìn)入音頻轉(zhuǎn)寫頁面。

將轉(zhuǎn)寫文件、語言、輸出文件等設(shè)置選定后，點(diǎn)擊Capture，開始錄音并轉(zhuǎn)寫。

如果想返回文件轉(zhuǎn)寫頁面，點(diǎn)擊下方Transcribe File即可。

以上就是WhisperDesktop本地音頻轉(zhuǎn)文字軟件的使用方法，希望大家喜歡，請(qǐng)繼續(xù)關(guān)注腳本之家。

最新評(píng)論