Whisper 是一个由 OpenAI 训练并开源的神经网络,在英语语音识别方面的稳健性和准确性接近人类水平。当然也支持包括中文在内的多种语言。除了使用本地电脑的 CPU 与 GPU 进行语音转文字以外,实际上还可以直接使用用由 OpenAI 提供的服务进行语音转文字。青小蛙找到的这个开源项目,就简单的提供了这项服务。@Appinn

简易的 Whisper 客户端,使用 OpenAI API 进行语音转文字

#语音转文字 的产品不少了,但本地(使用自己的电脑)的居多:

利用 iPhone 本地算力:

  • 语音文字助手 – 基于 iPhone 原生语音识别,免费不限量的语音转文字、文字转语音应用

Windows,支持 GPU:

  • Whisper – 本地语音转文字工具,支持 GPU、支持实时语音转换[Windows]

利用 Windows 原生功能:

  • 利用 Windows 10/11 原生语音输入功能,实现无限量、免费「语音转文字」

跨平台,基于 Whisper:

  • Buzz – 开源、可离线的实时语音转文字工具

等等,但本地的一个劣势是需要电脑性能好一些,并且还需要下载巨大的模型文件。如果偶尔用一次,真不如不折腾

felixbade/transcribe 项目

这个项目名叫 transcribe,实际上它只有三个文件:index.html、index.js、style.css,只需要下载、解压缩,将 index.html 拖到浏览器里就能用:

简易的 Whisper 客户端,使用 OpenAI API 进行语音转文字,制作字幕 1

然后,在顶部输入你的 OpenAI API key(和 ChatGPT 同一个),就可以选择音频文件进行转换了,支持文本、.srt、.vtt 三种格式。

它会直接将文本输出在页面上,而不是提供文件下载:

简易的 Whisper 客户端,使用 OpenAI API 进行语音转文字,制作字幕 2

所以,转换成功之后,只需要将内容复制,放到文本编辑器中,保存为 .srt 就行了。

简单易用,三个文件加起来也只有 13KB…

另外,开发者也提供了一个 DEMO 页面,可以直接使用。

获取

  • GitHub
  • DEMO(可直接使用)
  • 搬运

API 价格

另外需要注意,Whisper API 的价格为 $0.006 / 分钟。

作为对比,讯飞听见价格为 ¥128/5小时(快算下按分钟多少钱 ),不过根据朋友反馈,讯飞的中文效果要好于 Whisper。


原文:https://xbcpy.com/