今天介绍一款离线工具，效果非常好。
WhisperDesktop是一款开源的软件，使用C++语言实现，仅有900KB大小左右，它是语音识别模型的一个端口软件，项目地址：
https://github.com/Const-me/Whisper?tab=readme-ov-file
解压后运行软件，主页面如下，根据页面上的提示，我们需要下载「语音模型」。
打开语音模型网站后，我们可以看到里面有非常多的模型，体积大小不一，其中体积越大的效果会越好，原作者推荐了一个中等的模型，如下图所示，「ggml-medium.bin」体积1.42GB（网站上显示1.53GB），网站地址：
https://huggingface.co/ggerganov/whisper.cpp/tree/main
SHA256: 6c14d5adee5f86394037b4e4e8b59f1673b6cee10e3cf0b11bbdbee79c156208
虽然软件界面是英文的，但是使用方法非常的简单，一看就会。首先选择语音模型「ggml-medium.bin」的地址，如下图所示。其中Model Implementation（模型实施）默认位GPU，因此该软件主要基于显卡的性能来实现，因此对显卡的要求较高，如果电脑显卡性能较差的话，本软件使用会非常慢。点击OK进行下一步。
接下来选择语言，Chinese表示中文。按下图依次设置好录音的地址、输出类型（Text file，表示输出为文本文件）、输出的地址，设置完毕后点击“Transcribe”开始转录。等待转录完成即可！
备注：以下是原作者优化的一些显卡型号（包括一些独显和个别核显），表现效果均不错。
从作者的测试结果来看，比OpenAI实现的速度要快。
评论 (0)