【开源工具】使用Whisper提取视频、语音的字幕

一、语音转字幕操作步骤

1、下载安装包Assets\WhisperDesktop.zip¹

2、加载模型

运行WhisperDesktop.exe,
启动后加载模型“load model，please wait…”,等待其将模型加载到内存。

2.1 下载模型

刚开始是没有模型的，需要到Hugging Face²的仓库里面下载模型并配置相关路径

2.1.1 进入Hugging Face²的仓库

点击ggerganov/whisper.cpp进入Hugging Face仓库

2.1.2 选择需要下载的模型

在Hugging Face仓库，选择Files and versions，选择以下两种模型：

• ggml-large.bin
• ggml-medium.bin
  

2.1.3 配置模型路径

在Load Whisper Model 页，Model Path选择好模型的路径D:\WhisperDestop\ggml-whisper.bin，点击OK,等待其将模型加载到内存。

3、语音转字幕

在Transcribe Audio File页面：

1. Language：Chinese(视频或语音说话使用的语种)
2. Translate: √（把识别出来的文本给翻译成英文输出）
3. Transcribe File:C:\xxx.mp4(选择你要提取字幕的视频、音频等)
4. Output Format:SubRip subtitles(输出格式)
   • None：
   • Text file：纯文本
   • Text with timestamps
   • SubRip subtitles：字幕（标准的字幕格式 时段+文字）
     可以将后缀改为.srt格式，这样的文件可以直接拖放到剪辑软件里面，他会自动给你排列好，像这样的字幕是不需要咱们来对时间的
   • WebVTT subtitles

4、实时语言转录功能

开启实时语言转录之后，你对它说话