全网首发，没有比之更快的语音识别方法！

许多年以后，坐在电脑前的奶酪，一定会想起年轻时自己手敲字幕敲到手抽筋的那个下午。

如何将 200G 的视频，压缩为 20M 的文字，如何提取视频里说话人的台词，

如何将视频会议转录为文字，如何一键语音转文字。

今天，它们都成为了现实！

1.1、命令行软件

在上一篇文章《A24 - 语音识别》里，奶酪介绍了软件一些语音识别软件，它们都很好用。

那为什么还要开一个新项目呢？因为“命令行软件”更方便。

我们电脑里的大多数软件，是“图形化软件”。

比如 Word、Excel、Photoshop，它们的一大特点是「所见即所得」。

软件的所有内容，都放在我们眼前，只需要用鼠标点几下，就能完成任务，上手非常容易。

还有一种软件，叫“命令行软件”。

它的特点是「所想即所得」，可以将我们大脑里想的内容「逻辑文本化」。

通过不同的命令组合，可以实现任务的批处理和自动化，因此命令行软件的上手难度也较大。

可一旦你掌握以后，你在这上面花费的时间，将无限趋近于零。

1.2、极简安装

下面是本文内容的极简安装流程，没有 What，没有 Why，只有 How。

一键语音识别 - 详细
Win 版 Whisper	简介
1、安装 FFmpeg	下载地址，选择 FFmpeg.exe。
2、下载 奶酪配置包	下载地址，选择 WhisperCli.7z 和 WhisperCli_Large.7z。
3、点击 开始.bat	可能需要用“管理员身份”运动。
4、右键 “发送到”	即可一键转录。
Mac 版 Whisper	简介
1、安装 FFmpeg	下载地址，选择 FFmpeg.zip。
2、安装 WAC	下载地址，一定要安装到“应用程序”文件夹里。
3、下载 奶酪配置包	下载地址，选择 快速操作Workflow.zip。
4、右键 “快速操作”	即可一键转录。
Win 版 FunASR	简介
1、下载 奶酪配置包	下载地址，选择 CapsWriterCli.7z 和 CapsWriterCli_Full.7z。
2、点击 开始.bat	可能需要用“管理员身份”运动。
3、右键 “发送到”	即可一键转录。
4、Full 完整版	第一次加载模型需要 30 秒，后续将不再需要，请再次右键调用。

1.3、工具选择

这么多转录工具，我要怎么选择？由于 CapsWriter 只支持中英文，Whisper 支持 100 种语言。

所以，结论就是。

• 最快中文转录：CapsWriterCli
• 最快英文转录：CapsWriterCli
• 最快多语言转录：WhisperCli

• 最佳中文转录：CapsWriterCli_Full
• 最佳英文转录：WhisperCli_Large
• 最佳多语言转录：WhisperCli_Large
• 最佳转录并翻译：WhisperCli_Large

1.4、结尾

奶酪的这个项目，已经更新了多个版本，久经考验，它就是目前的最快语音转文字，没有之一。

也许，你现在还感觉不到它的好。

但随着大家电脑性能越来越好，奶酪的配置包一定会火。

它也一定会成为了你装机必备。

当然，上面的这些内容还只是“前置安装”，真正的“爽点”，是接下来“一键识别”的操作实现。

2.1、前置软件

要让本项目跑起来，首先需要安装 FFmpeg。（如已安装，可略过本节）

不用担心，使用时不需要打开 FFmpeg，它会自动调用，Whisper 需要用它来提取声音数据。

官方网站：https://ffmpeg.org/download.html

本地下载：https://www.lanzouh.com/b01d4w7e7a

下载 FFmpeg 后，

我们不需要安装，但需要“添加环境变量。

这样做的作用，是为了在 CMD 窗口操作时，可以省去输入软件的具体路径。

几乎所有命令行工具都可以这样配置。

也正因如此，

我们可以将所有命令行软件，都放在同一个文件夹下。

只需要设置一次系统环境变量，那么这个文件夹下的所有命令行软件，就都会自动生效。

比如奶酪就将所有的命令行软件，放在了 D:\Commandline 里。

使用奶酪的「一键加入系统环境变量.bat」脚本，还可以一键将当前目录加入到系统环境变量。

如果 bat 自动脚本添加失败，那么手动添加环境变量的操作如下：

最后，在 CMD 窗口或者终端输入软件名，比如 ffmpeg，如果有返回内容，而不是 not found。

则说明配置成功。

2.2、Whisper

2022 年 9 月，OpenAI 发布 Whisper 语音识别模型，支持 99 种语言。

但 Whisper 的速度较慢，于是有位叫 ggerganov 的网友用 C/C++ 重新编译了 Whisper.cpp。

它不但支持所有平台，相比原版 Whisper，速度更是快了 4-45 倍。

且支持核显，支持独显，ARM 芯片也同样支持。

与此同时，还有一位叫 Const-me 的网友，他在 Whisper.cpp 的基础上进行了二进制编译。

推出了图形化应用 WhisperDesktop，同时还有命令行的版本。

地址：https://github.com/Const-me/Whisper

2.3、奶酪配置包

但是，到了这一步，操作也还是麻烦，命令行软件也只是个“毛坯房”。

于是，奶酪在它的基础上又进行了配置，把操作难度“打”了下来，现在你可以直接“拎包入住”。

奶酪的配置包，可以说是目前最快的 Whipser 语音识别方法，没有之一。

而你要做的，就是点击一下“开始.bat”。

实际测试：

我用的是 AMD 核显，一个 2:30 秒的文件，Large 模型用了 1:20 秒，Meidum 40 秒。

而如果是用 4060 显卡，也就是几秒钟的事。

2.4、使用方法

考虑到速度和准确率，奶酪配置包分成了两个版本。

标准 版本：使用 Medium 模型，在速度和准确度上最均衡，大小 1.3G。

Large 版本：使用 Large 模型，识别更加准确，但需要花费的时间也更多，大小 2.6G。

当然，两个版本你都可以安装上，按需使用，从此，你的电脑就拥有了“语音一键识别”功能。

下载地址：https://www.123pan.com/s/7bzA-8kfOd.html

使用方法：

首先，下载压缩包并解压到任意位置。

然后，点击“开始.bat”，“语音识别”的快捷操作，就会自动添加到右键的“发送到”菜单里。

最后，选择任意单个文件、多个文件，又或者文件夹。

右键菜单选择，即可进行一键或批量转录。

如果需要添加其它语言。

可以打开“batch”文件夹，一键添加所有语言，同时还可以对“发送到”菜单进行编辑。

Mac 平台能不能也实现 Windows 那样的一键识别呢？能！而且思路也大致相同。

3.1、前置软件

首先，同样也是安装 FFmpeg。

方法很简单，直接把所有命令行软件直接放在 /usr/local/bin 文件夹下，然后就会自动生效。

下载地址：https://www.123pan.com/s/7bzA-HGIOd.html

3.2、WAC

Mac 平台下也有一款基于 Whisper.cpp 开发的应用，叫 Whisper Auto Captions。

支持 Intel 和 ARM 芯片，它解决了下 Whisper 无法调用 GPU 的问题，转录速度大为提升。

同时，它还是目前少用的完全免费的 Whisper.cpp 应用。

不过，原版 Whisper Auto Captions 是一款图形化应用，但好在它是基于 Whisper.cpp 开发。

我们还是可以用它内置的“命令行程序”来实现一键操作。

安装方法：

首先，下载 Whisper Auto Captions。

地址：https://vu3mopq3x8.feishu.cn/docx/Go9IdrSkpochcoxpgHfcl7nhn2d

然后，解压安装，一定要将 Whisper Auto Captions 放到“应用程序”文件夹里，这一步很重要。

3.2、奶酪配置包

Mac 平台下，同样也有类似 Windows 右键菜单的“发送到”功能，叫做“自动操作”。

具体实现方法，是打开“自动操作”，新建一个“快捷操作”。

输入以下代码。

不想操作也没关系。

奶酪已经把脚本准备好了，只需要双击安装，脚本就会自动存放在 ~/Library/Services 下。

在“访达”打开文件夹的快捷键是：Cmd+Shift+G

下载地址：https://www.123pan.com/s/7bzA-jYIOd.html

3.4、使用方法

之后，选择任意单个文件、多个文件，又或者文件夹。

在右键菜单里的“快速操作”，选择“使用 Whisper 转录” 即可一键调用转录。

要设置“快速操作”菜单的显示内容，你可以在“设置—>隐私与安全性—>扩展—>访达”里修改。

与此同时，阿里的开源语音识别工具 FunASR，把国产「语音识别」带到了前所未有的高度。

4.1、CapsWriter

Whisper 支持超过 99 种语言，V3 版本甚至新增支持“粤语”。

但就「中文识别」来说，阿里推出的开源项目 FunASR，不但准，而且速度极快，堪称地表最。

30 分钟的音频，转录最快只需要 15 秒。

在 FunASR 的基础上，网友 HaujetZhao 开发出了 CapsWriter Offline，操作更加简单。

而且，只需要按下"大写锁定键"就可以识别你的录音。

地址：https://github.com/modelscope/FunASR

地址：https://github.com/HaujetZhao/CapsWriter-Offline

4.2、奶酪配置包

考虑到使用上的便捷性，奶酪在 CapsWriter 的基础上推出了 CLI 版本：CapsWriterCli。

而你，只需要点击一次 “开始.bat”，就可以一键使用。

使用方法：

你可以选择单个文件、多个文件、又或者文件夹，转录后生成的文件，会与原文件并列显示。

注意事项：

奶酪的 CapsWritherCli 分成了两个版本。

标准版：只有语音识别功能，极速版本，加载模型只需要 3 秒。

完整版：语音识别+自动标点，第一次加载模型需要 30 秒左右。

下载地址：https://www.123pan.com/s/7bzA-8kfOd.html

4.3、使用方法

需要注意的是。

1、CapWriterCli 只支持中、英两种语言。

2、在使用 CapWriterCli_Full 完整版时，第一次加载模型大概需要 30 秒，后续将不再需要。

3、此时，你需要「再次」在右键菜单里调用一键转录。

经过奶友们的反馈，目前项目还存在这些问题。

常见问题

1、不支持 2012 年以前的 CPU。

支持 Win 7 系统，但模型渲染需要 F16C 指令集，因此不支持 2012 年以前生产的 CPU。

2、部分文件格式不支持。

已知 .flv 视频会报错不支持，用任意转换软件，转换为 .mp3 格式即可。

3、转录过程中 CMD 窗口显示为 ？问号。

WhisperCli 标准版有这个问题，是编码原因，不影响实际转的结果，可以不用管它。

4、超长音频/视频，可能会出现字幕重复的问题。

可以分段后再进行转录，奶酪写了一个自动分段脚本，将文件拖入到 bat 脚本上即可一键分段。

脚本下载：https://www.lanzouo.com/b01d5640ab