Openai Whisper

• 您需要在本地转录音频或视频文件，无需 API 密钥或使用费用。
• 您希望进行隐私保护转录，音频数据始终不离开您的设备。
• 您需要直接从音频生成字幕/说明文件（.srt）。
• 您正在批量处理录音文件，并希望完全掌控模型大小与速度之间的权衡。

• 您需要实时或流式转录——Whisper CLI 处理的是文件，而非实时音频流。
• 您需要具有正常运行时间保证和 SLA 的托管云转录服务。
• 您的机器磁盘空间或内存非常有限，无法容纳模型权重（即使是最小的模型也需要数百 MB）。

Openai Whisper 完全在您自己的硬件上运行。无需 OpenAI 账户、无需 API 密钥，也不会将任何数据发送至外部服务器——只需一次性下载模型权重，即可离线进行转录。

通过 --output_format 标志支持 txt、srt、vtt、tsv 和 json 输出格式，只需一条命令即可轻松生成字幕、副标题或纯文本转录内容。

传入 --task translate 参数，可自动将非英语语音翻译为英语文本，该功能由与转录相同的模型权重驱动，基于 Openai Whisper 实现。

从多种模型中进行选择（tiny、base、small、medium、large、turbo），以在转录速度与准确性之间取得平衡。此安装的默认模型为 turbo。模型在首次下载后会缓存至 ~/.cache/whisper。

将录制好的 .mp3 或 .m4a 文件导入 Openai Whisper，并使用 --model medium --output_format txt 参数，即可获得干净的文字转录稿，无需将敏感对话上传至第三方服务。

使用 --output_format srt 生成字幕文件，可直接导入视频编辑器或媒体播放器，非常适合内容创作者在本地为其录像添加字幕。

在外语音频上运行 --task translate，一步获得英文转录文本，适合处理多语言原始素材的研究人员或记者使用。