有小伙伴私信到杜老师，询问语音转文字的方法。其实网上有很多此类的工具，不过大多数的工具都有时长限制，需要开通会员才能转换长时间的语音。本次为大家分享的工具，可以免费离线转换文字。
工具介绍
Whisper 是 GitHub 上一款开源程序，杜老师也是机缘巧合遇到的。
此工具仅支持 64 位架构，分为 GPU 版和 CPU 版本。
本次为小伙伴们分享的是 GPU 版本「需要独立显卡才能运行」如果需要 CPU 版本可在评论区留言。
该工具不仅可以将录制语音转为文字，还支持实时的转换，并可翻译文字。
语音模型
在说明使用前，需要先下载好语音模型。Model 为模型名称，Disk 为模型大小，Mem 为预计显存占用：
| Model | Disk | Mem |
|---|---|---|
| tiny | 75MB | 390MB |
| base | 142MB | 500MB |
| small | 466MB | 1.0GB |
| medium | 1.5GB | 2.6GB |
| large | 2.9GB | 4.7GB |
请根据自己显存选择对应的模型文件「模型越大识别的越精准」杜老师已将模型文件转存至网盘，小伙伴可打开链接后点击 ggml 目录，在右侧弹出的文件浏览框双击 ggml，选择模型右键下载即可：
下载地址食用方法
打开工具后首先需加载模型，图中杜老师选择了最大那个，点击 OK 进入下一步「此步操作后可一劳永逸，再次进入软件会跳过这一步」
Language 选择 Chinese「中文识别」Translate 是转换后翻译成英文「这里不做勾选」Transcribe File 框选择要转换的语音文件，Output Format 选择输出的文本样式「其中 Text file 为普通文本，Text with timestamps 为带时间线，其余两个均为字幕文件」并在下方框中设置输出路径，点击 Transcribe 即开始转换：
转换后弹出完成提示框，关闭即可：
如需实时转换，可点击下方 Audio Capture，在切换的页面中点击 Capture，工具会弹出终端提示框，不断刷新转换后的文字「会有较长延迟」如需保存为文件需要勾选 Save to text file：
条评论