QQ扫一扫联系
OpenAI 的开源语音识别模型 Whisper，现在不用敲命令行，装个桌面软件就能跑。
给视频配字幕、把会议录音变文字，过去要么传到在线服务排队等结果，要么自己装 Python 环境踩依赖坑。Whisper 是 OpenAI 开源的语音识别模型，用 68 万小时音频训练，能转写和翻译近百种语言，而且完全开源免费。现在它的门槛降到了「会双击安装包」。模型跑在你自己电脑上，音频一个字节都不用交出去。
具体怎么用？三步。
第 1 步：装上 AIGCPanel
在官网 aigcpanel.com 下载安装包，Windows / macOS / Linux 都有，双击安装就行。这是一款一站式 AI 数字人桌面应用，Whisper 语音识别是它模型市场里的一员。
第 2 步：模型管理里把 Whisper 点亮
打开「模型管理」找到 Whisper，点一下启动包就自动下载好了，Python、依赖、ffmpeg 这些都不用你装。下载时可以选三档大小：base 最快、占用最低，medium 最准、也最慢，small 居中。软件用的是优化过的轻量版引擎，占的空间和显存都比原版小一截。
硬件上，有显卡就自动用显卡加速，没有就自动用 CPU，什么都不用你设置。8G 内存的电脑就能跑 base，medium 建议再备 4G 显存。模型是免费的，你省下的是过去折腾环境的那些晚上。
第 3 步：上传音频，出字幕
在工具箱的「声音识别」里上传音频，点一下。一段 10 分钟的会议录音，跑完拿到的是一份可以直接复制进文档的文字记录，每句话前面带着开始和结束的时间点，还能直接导出成字幕文件。识别结果自动加标点，语言选自动检测就行，中英混说的素材不用手动切换，粤语也会按中文来识别。想翻译的话还有「翻译为英文」任务可选。
几个细节
会议纪要、视频字幕、外语内容的英文转写，Whisper 已经把能力给足了，AIGCPanel 补上的只是最后一步，让它像普通软件一样打开就能用。语音变成文字只需要三步，省下来的时间，还给创作本身。
你最想把哪段音频丢进去试试？是积攒了很久的会议录音，还是一直欠着字幕的视频？评论区聊聊。
