目前，語音轉(zhuǎn)錄文字，市面上似乎不易尋找到好用免費的軟件，每次手頭有錄音需要轉(zhuǎn)為文字時，沒有好用的工具軟件。

小米自帶的錄音轉(zhuǎn)文字，在錄音文件很長時經(jīng)常轉(zhuǎn)錄失敗，還使用過的是網(wǎng)易見外工作臺，但每天每個賬號只能轉(zhuǎn)錄2個小時300M以下的音頻文件，文件還需上傳。

其實whisper已經(jīng)是成名已久的語音轉(zhuǎn)錄文字的開源軟件，并且文件無需上傳，就在本地轉(zhuǎn)錄，無需顧慮語音內(nèi)容泄露。

下面就整理記錄下我按照官方文檔進行的安裝過程，供大家參考。

whisper的安裝過程主要是根據(jù)其在github項目的README.md文件的說明進行。

https://github.com/openai/whisper

我的電腦環(huán)境配置情況如下：

操作系統(tǒng)：windows 11；顯卡：NVIDIA GeForce RTX 2080 SUPER；python：3.11.4；cuda：11.8。

1.首先是安裝python。文檔中說，whisper是基于python 3.9.9進行的訓練和測試，3.8到3.11的python應該都可以。我選擇的版本是python 3.11.4。

2.安裝cuda。如果你有英偉達的獨立顯卡，就需安裝合適版本的cuda，使用gpu進行推理比cpu快多了，如果只有cpu可以跳過這個步驟，或者直接使用大佬用c++重寫的項目，Buzz。https://github.com/chidiwilliams/buzz/releases/tag/v0.8.3

3.安裝其他前提項。

首先是需要安裝ffmpeg，windows系統(tǒng)下文檔給出了兩種命令行安裝方法。一個是使用Chocolatey安裝，另一個是使用scoop安裝。我選擇了第一種方式。

先安裝chocolatey，安裝過程可以參看官網(wǎng)教程:

再安裝ffmpeg，可能需要科學上網(wǎng)：choco install ffmpeg

4.還需要安裝rust。文檔中說可能需要這個東西。那就不管需不需要，先無腦裝了再說。這個不太復雜，直接pip安裝就可以了。

pip install setuptools-rust

5.終于到了安裝whisper的步驟。

pip install -U openai-whisper

6.使用whisper進行語音轉(zhuǎn)錄。

使用whisper之前先說幾點，首先是最好使用promot，同時錄音避免有靜默間隔，不然會出現(xiàn)長錄音轉(zhuǎn)錄時一直陷入死循環(huán)。

下面是從嗶哩嗶哩上隨便扣下來一個視頻的音頻部分做的轉(zhuǎn)錄，效果比較好。

whisper test2.mp3 --language Chinese --model medium --device cuda:0 --initial_prompt "以下是普通話的句子"

下面是真實的一份工作會議錄音進行的轉(zhuǎn)錄效果?？赡苁且驗闀h過程中并不是一直都有人講話，出現(xiàn)了死循環(huán)，一直在重復同一段內(nèi)容。這個問題在轉(zhuǎn)錄長錄音的時候，時有發(fā)生，GitHub上也有人提出類似情況，具體解決辦法還未深入了解。

當然不是所有會議錄音都出問題，之前也有順利完成2份真實會議錄音的轉(zhuǎn)錄，并沒有出現(xiàn)死循環(huán)，但一些詞語錯誤識別為其他的同音字。

以上是whisper的安裝過程，如有任何錯誤或其他問題，歡迎評論。