首页 / 开源 · 图像 / 音频 / Whisper
🎙️
Whisper
OpenAI
最强开源语音转文字，扒素材、生成字幕很好用。
它能帮你做什么
- 把音频 / 视频转成文字稿：扒素材、做逐字稿、口播转文章
- 自动生成 srt 字幕文件，直接配到视频里
- 转录会议、访谈、播客，事后好检索
- 支持中英等多语言，还能顺带翻译成英文
解读
Whisper 是 OpenAI 开源的语音转文字模型，识别准、支持中英等近百种语言，能把音频 / 视频转成文字稿和字幕文件。
对做自媒体的人特别有用：把一段播客、视频、录音丢给它，几分钟就得到全文文字稿——扒选题素材、生成字幕、把口播转成文章，都靠它。而且完全免费、本地运行、内容不外传。
命令行版要装 Python，稍有门槛；但也有基于它的傻瓜桌面软件，甚至剪映的字幕识别原理都类似，怕麻烦可以走那条路。
适合谁
做自媒体、做视频、要整理录音 / 访谈的人。命令行版需要一点 Python 基础；怕麻烦的可以用基于它的桌面软件（如 Buzz）或剪映，效果类似、零门槛。
开始前的准备
- 命令行版：装好 Python，并安装 ffmpeg（处理音视频用）。
- 或：直接用桌面软件 Buzz（免装 Python）。
- 你要转录的音频 / 视频文件。
手把手教程
- 装环境：装好 Python，再装 ffmpeg（Mac
brew install ffmpeg；Windows 下载 ffmpeg 并加进 PATH）。 - 装 Whisper：运行
pip install -U openai-whisper（国内加清华源）。 - 转文字：命令行运行
whisper 音频.mp3 --language Chinese。 - 拿结果：它会自动输出
txt（纯文字）、srt（字幕）等文件。 - 选精度：加
--model medium换更准的模型，越大越准越慢（首次会下模型）。 - 想更快 / 更省事：用
faster-whisper（快数倍），或直接用桌面软件 Buzz 拖文件转。
常见问题 / 踩坑
完全不会命令行怎么办？
用桌面软件「Buzz」——它就是 Whisper 的图形版，拖入文件点转录即可；或直接用剪映的「字幕识别」，原理类似、零门槛。
中文准吗？
挺准，记得加
--language Chinese。想更准用大一点的模型（medium/large），但更慢、更吃配置。太慢了？
换
faster-whisper（速度快数倍），或用小一点的模型；有 NVIDIA 显卡会快很多。要联网吗？
首次下载模型要联网，之后本地运行、离线可用，内容不外传。
进阶技巧
- 自媒体扒选题：把对标视频的音频转成文字稿，快速吃透别人讲了啥。
- 生成的 srt 直接拖进剪辑软件就是字幕，省去手打。
打不开 GitHub / 国内访问
pip 用清华源加速；怕配环境就用桌面软件 Buzz（Whisper 图形版），或直接用剪映的字幕识别，零门槛、国内可用。