Whisper

Whisper 是 OpenAI 开源的通用语音识别模型。它能把音频转成文字，也能把别的语言的语音翻成英文，还能判断说的是哪种语言。装好以后在命令行里运行，读的是你提供的音频文件，可以输出字幕文件。音频在自己电脑上处理，不需要 OpenAI 的 API 密钥。它特别的地方在于代码和模型权重都公开，很多做字幕、做转写的工具都是在它的基础上做出来的。

适合谁：要给视频配字幕、要整理采访录音，又愿意在电脑上装一点开发环境的人。不写代码、不想碰命令行的读者，可以用站内基于它做好的现成应用。

使用前提：需要 Python、PyTorch 和 ffmpeg，用 pip 安装，Windows、macOS、Linux 都可以。第一次运行要联网下载模型，模型越大越吃电脑性能。音频默认在本机处理；别人基于 Whisper 做的第三方工具是否上传，要看那个工具自己的说明。代码和模型权重是 MIT 许可，以官方说明为准。

以上根据项目公开说明整理，本站没有实际测试。