AI系列【仅供参考】：【AI工具篇】使用OpenAI开源的Whisper模型，制作本地离线的视频或音频转文本功能...

最新推荐文章于 2025-10-25 10:23:13 发布
原创 最新推荐文章于 2025-10-25 10:23:13 发布 · 1.1k 阅读 · 31 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #AI #机器学习

【AI工具篇】使用OpenAI开源的Whisper模型，制作本地离线的视频或音频转文本功能...



【AI工具篇】使用OpenAI开源的Whisper模型，制作本地离线的视频或音频转文本功能…

有时候在看一些学习视频时候，难免感觉进度太慢，或者学习视频太枯燥，想自己根据视频关键信息做总结或快速浏览，想着如果有一个工具，我把视频丢进去，它自己给我生成里面语音的所有文本的信息，然后我自己根据文本来提炼关键的有用的信息，还可以节约看视频的时间，是不是会很Nice? 于是，前一天经过一位小伙伴的推荐，使用一款OpenAI开源的模型，也就是今天的主角——Whisper，来实现我们的上面这个偷懒的功能。

首先，去hugging face网上下载对应的模型，该模型分为几个不同的档次，可以根据自己的电脑配置要求来。例如，显卡显存、或者内存。如果使用CPU计算，可以使用内存，不过准确度会降低；如果使用显卡计算，就会提高很多准确度。同时，模型对显存需求越大，也代表精确越高。

模型下载地址：https://huggingface.co/ggerganov/whisper.cpp

在这里插入图片描述

选择模型版本，根据自己需要选择。我的电脑是老古董了，还用着1060的卡，但是足够用了，就这么着吧。如果配置比较差的情况下，建议适当选择其他模型。large模型比较大，但是会更准确一些。我这边就用large系列模型好了，虽然显卡不咋地，但是跑这个还是够用了。

在这里插入图片描述

然后下载官方提供的客户端，客户端下载可能需要梯子，此处为了节省大家时间，我下载了个最新版本的客户端(截止到2023年4月1日)放网盘上

这是AI文本提取客户端的编译后的程序以及源码(Windows系统使用)，如果机器太烂，可能会烧坏机器，请谨慎使用，至少有个2G显存起的独立显卡，可以让机器冒烟的速度变慢一点~~
网盘下载链接：https://pan.baidu.com/s/1cP-aM9xNvQcQyFtFSMg6jA?pwd=2txt
提取码：2txt

或者

点击 Whisper（下载编译过的）下载

进行获取编译后的客户端以及官方客户端源码(C++和C#开发的源码)

在这里插入图片描述

进入到解压缩文件夹，双击exe运行
在这里插入图片描述

打开页面，选择模型文件

在这里插入图片描述

选择GPU，然后在 advanced里面选择你的显卡，例如我的老破小GTX1060

在这里插入图片描述

点击OK，加载模型

在这里插入图片描述

然后选择语言，例如我的视频是中文版的，就选择中文

在这里插入图片描述
然后选择需要处理的音视频文件，以及选择输出文本样式格式（例如我选择的是带时间线的，每个文本会自带文字信息）和需要保存的文件名称等。
在这里插入图片描述
完了以后，点击Transcribe，然后开始执行，电脑也开始轰轰响(毕竟是老古董)

在这里插入图片描述

右上角勾选debug console,可以打开控制台，查看实时信息

在这里插入图片描述

按Ctrl C，或者取消掉勾选，控制台实时日志就会关闭掉。

让机器跑一会儿，看了下视频有点大，接近俩小时，可能要个几分钟。

两分钟过去了……

在这里插入图片描述

看来还要点时间，我去喝杯茶压压惊先，等下再回来续写。

……

看来机器不给力，又三分钟过去了，看样子才1/4 ~ 1/3的样子。

在这里插入图片描述

继续喝杯茶压压惊提提神

……

大概20分钟又过去了，虽然还没完成，看来黎明就在眼前~

在这里插入图片描述
老古董电脑太卡了，显卡还是有点小压力~~~

……又过了三分钟，弹出提示OK了.一共用了40分钟，视频是1小时29分钟，看来还是得需要牛逼点的显卡啊！！！我这款1060老破小，还算勉强能用。

在这里插入图片描述

接下来看提取的内容的效果

在这里插入图片描述

哦豁，基本上内容没毛病，和视频内的发音内容很一致，说明OK，拉到最底下看看：

在这里插入图片描述

嗯，也没毛病，说明提示的效果还可以接受，错别字也很少。

以上就是该文章的全部内容。

祝大家玩的愉快~~~

推荐内容






dotNET跨平台

【AI工具篇】使用OpenAI开源的Whisper模型，制作本地离线的视频或音频转文本功能…

python系列&deep_study系列：【AI工具篇】使用OpenAI开源的Whisper模型，制作本地离线的视频或音频转文本功能...
weixin_54626591的博客
07-07 1217
【AI工具篇】使用OpenAI开源的Whisper模型，制作本地离线的视频或音频转文本功能...
OpenAI的Whisper模型
MrLi的博客
04-11 1259
此外，该模型还支持99种不同语言的转录以及从这些语言到英语的翻译，进一步体现了其多语言处理的能力。Whisper模型之所以被视为端到端模型，是因为它直接将音频作为输入，并输出对应的文本序列，中间没有显式的编码和解码步骤。综上所述，OpenAI的Whisper模型是一个强大的端到端语音识别模型，它通过利用大量的多语言和多任务监督数据进行训练，实现了高准确性和鲁棒性。Whisper是OpenAI发布的一个通用的语音识别模型，它采用了大量的多语言和多任务的监督数据进行训练，旨在达到接近人类水平的鲁棒性和准确性。
如何使用 RTranslator：免费开源的实时翻译神器，支持离线双语对话！
最新发布
gitblog_00729的博客
10-25 664
RTranslator 是一款革命性的开源实时翻译应用，专为 Android 设备打造。它集成了 Meta 的 NLLB 翻译模型和 OpenAI 的 Whisper 语音识别技术，无需联网即可实现多语言实时互译，让跨语言沟通像母语交流一样自然流畅。无论是国际会议、出国旅行还是日常交流，RTranslator 都能成为你的随身翻译助手。 ## ???? 核心功能：不止于翻译，更是沟通桥梁 ### ...
大模型系列：OpenAI使用技巧_Whisper提示指南
数智笔记
01-02 2323
例如，如果您提交了一个尝试的指令，如“以Markdown格式格式化列表”，模型将不会遵守，因为它遵循提示的风格，而不是其中包含的任何指令。然而，如果我们以小写的虚构提示“president biden”传入，Whisper会匹配风格并生成一个全小写的转录。为了让Whisper使用我们偏爱的拼写，让我们将产品和公司名称作为提示传递，作为Whisper遵循的词汇表。现在，让我们切换到另一个专门为此演示制作的音频记录，主题是一个奇怪的烧烤。为了获得良好的结果，请设计能够展现您所期望的风格的示例。
OpenAI Whisper入门指南
宋志辉的博客
04-04 917
Whisper是一款功能强大的语音识别模型,使用简单,支持多语种。本文介绍了它的安装方法、基本使用,以及一些高级功能。通过Whisper,你可以轻松地将语音转录为文字,为语音应用开发提供可靠的支持。
openai whisper使用
Jockson song的博客
08-21 1764
Whisper是一种通用的语音识别模型。它是在大量不同音频数据集上训练的，也是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别。
python系列&deep-study系列：AI工具篇使用OpenAI开源的Whisper模型，制作本地离线的视频或音频转文
07-07
python系列&deep-study系列：AI工具篇使用OpenAI开源的Whisper模型，制作本地离线的视频或音频转文
语音转文字太慢？Buzz本地AI模型5步搞定，会议记录效率提升80% 离线语音识别难搞？开源工具Buzz+Whisper实现高精度文字转换
inmK1的博客
10-08 1946
能有效解决“依赖云端服务响应慢”“敏感信息外泄”“多格式音频批量处理困难”等问题，适配“会议纪要生成”“视频字幕提取”“远程协作内容归档”等高频技术场景。：选择模型大小（tiny, base, small, medium, large），精度依次提升，资源消耗递增；打开Buzz界面后，在主窗口点击「+」按钮添加单个或多个音频文件（支持MP3、WAV、M4A等常见格式）。：与Obsidian或Notion联动，将每日站会录音自动转写并插入对应日期笔记，构建个人技术日志知识库。若需后期编辑字幕，推荐选择。
Insanely Fast Whisper-基于OpenAI模型的快速音频转文字工具（源码）
10-22
OpenAI发布的Whisper Large v3模型已经被集成到名为Insanely Fast Whisper的工具中，该工具展现了极其出色的音频转文字能力。与传统音频转文字工具相比，它的转录速度大幅提升，能够以惊人的效率处理长达300分钟的...
大模型之Spring AI实战系列（八）：Spring Boot + OpenAI 使用Whisper实现语音转文本功能
寻道AI，探索AI无限可能！
05-17 1399
在前面的文章中，我们已经学习了如何使用 Spring AI 构建基础聊天服务、流式对话、上下文记忆、角色设定、动态提示词模板以及结构化输出等功能。本文将聚焦于一个非常实用但容易被忽视的能力——**语音转文本（Speech to Text, STT）**。 我们将基于 `spring-ai-openai-speechToText` 示例项目，详细介绍如何通过 Spring AI 集成 OpenAI 的 [Whisper]模型，实现音频文件的自动转录，并演示其在不同语言、格式和参数配置下的应用效果。
[特殊字符] Whisper 模型介绍（OpenAI 语音识别系统）
mmhh1024的博客
06-08 2434
Whisper 是 OpenAI 开发并开源的多语言语音识别模型，具备极高的准确性与鲁棒性，支持语音转文本、语言识别、语音翻译等任务。其基于 Transformer 架构，具备端到端处理能力，能在嘈杂环境、多口音语音下表现稳定。
whisper-一个使用python快速实现合成语音的库，离线人工智能合成，无需联网
01-02
whisper-一个使用python快速实现合成语音的库，离线语音识别，无需联网。 使用方法pip安装好whisper ，执行测试代码 支持多种语言的识别，包括中文英文
Whisper OpenAI开源语音识别模型
在网搬砖的日常
06-04 1万+
Whisper 是一个自动语音识别（ASR，Automatic Speech Recognition）系统，OpenAI 通过从网络上收集了 68 万小时的多语言（98 种语言）和多任务（multitask）监督数据对 Whisper 进行了训练。OpenAI 认为使用这样一个庞大而多样的数据集，可以提高对口音、背景噪音和技术术语的识别能力。除了可以用于语音识别，Whisper 还能实现多种语言的转录，以及将这些语言翻译成英语。语音转文字在许多不同领域都有着广泛的应用。
《Whisper：OpenAI的先进语音识别模型》
zheng_ruiguo的专栏
06-17 1122
Whisper 是OpenAI于2022年推出的多语言语音识别系统，其核心能力是将语音转换为文本（Speech-to-Text, STT），并支持语音翻译、音频理解等功能。它基于深度学习技术，通过大规模数据训练，在准确性和多功能性上达到了行业领先水平。
openai 开源模型Whisper语音转文本模型下载使用
洛阳泰山的博客
05-11 5097
Whisper 是一种通用语音识别模型。它是在大量不同音频数据集上进行训练的，也是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别。官方地址。
Whisper：OpenAI通用语音识别模型全面解析与实践指南
gs80140的专栏
06-05 2669
随着多语言处理和语音识别技术的飞速发展，OpenAI 发布的 Whisper 模型为开发者带来了一个开源、高性能、用途广泛的语音识别解决方案。本文将详细介绍 Whisper 的模型架构、使用方式、性能对比及其 Python 实践示例，帮助你快速上手并集成至自己的项目中。
OpenAI的人工智能语音识别模型Whisper详解及使用
热门推荐
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
06-05 5万+
拥有ChatGPT语言模型的OpenAI公司，开源了 Whisper 自动语音识别系统，OpenAI 强调 Whisper 的语音识别能力已达到人类水准。Whisper是一个通用的语音识别模型，它使用了大量的多语言和多任务的监督数据来训练，能够在英语语音识别上达到接近人类水平的鲁棒性和准确性。Whisper还可以进行多语言语音识别、语音翻译和语言识别等任务。
使用 OpenAI Whisper v2 模型进行中英文混合语音识别
q742971636的博客
08-07 1321
Whisper 是 OpenAI 提供的一个强大的自动语音识别（ASR）模型，能够处理多种语言的语音识别和翻译任务。本文将重点介绍如何使用 Whisper 模型进行中英文混合录音的识别，并设置 Hugging Face 的缓存路径到指定目录。
揭秘 Whisper 模型：OpenAI 的自动语音识别新高度
aihuijutang的博客
12-01 3046
Whisper 是 OpenAI 开发的一种强大的。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坦笑&&life

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值