Whisper语音转文字教程

简介

Whisper 是 OpenAI 开源的语音转文字模型，支持多语言、高准确率，还能翻译成英文。（适用 Windows/x64。）

一、核心痛点与软件介绍

很多人手头有会议录音、采访音频或课程录像，想转成文字却苦于打字太慢、收费软件太贵。OpenAI 开源的 Whisper 正好解决这个问题：它是一款语音转文字模型，能自动识别多种语言，还能把非英文内容翻译成英文。无论你是学生整理笔记，还是自媒体人做字幕，或是程序员处理语音日志，都适合用它。相比在线服务，Whisper 完全本地运行，不依赖网络，隐私性更好；同时它支持中文在内的多语言识别，准确率在开源方案里属于第一梯队。这篇 Whisper 语音转文字教程会带你从零开始，把环境搭好、跑通第一个转录任务。

二、环境要求与官方下载

Whisper 依托 Python 生态，需要你先安装 Python 环境，具体版本以官网说明为准。系统方面，官方推荐 8G 内存以上，因为模型推理时比较吃内存；CPU 也能跑，但速度偏慢，有 NVIDIA 显卡且装好 CUDA 会快很多。操作系统支持 Windows、macOS 和主流 Linux。下载方式很简单：前往软件官网（GitHub 上的 openai/whisper 仓库）获取源码和安装说明，不提供打包好的安装文件，一切通过命令行操作。

三、保姆级安装步骤

Windows 端

步骤一：安装 Python 与 FFmpeg
先去 python.org 下载 Python 安装包，双击运行，务必勾选“Add Python to PATH”，然后点“Install Now”。接着安装 FFmpeg：下载后解压，把其中的 bin 目录路径加到系统环境变量 Path 里。验证方法：在命令提示符输入 python --version 和 ffmpeg -version，有输出即成功。

步骤二：创建虚拟环境（可选但推荐）
打开命令提示符，输入 python -m venv whisper_env 创建环境，然后运行 whisper_env\Scripts\activate 激活。这样能避免依赖冲突。

步骤三：安装 Whisper 与依赖
在激活的环境里输入 pip install openai-whisper，等待安装完成。如果遇到网络慢，可以换用国内镜像源，例如 pip install openai-whisper -i https://pypi.tuna.tsinghua.edu.cn/simple。安装后输入 whisper --help 验证是否成功。

macOS 端

步骤一：安装 Homebrew 和 FFmpeg
打开终端，先安装 Homebrew（官网有命令），然后运行 brew install ffmpeg。如果没有 Homebrew，也可以直接下载 FFmpeg 静态编译版，放到 /usr/local/bin。

步骤二：安装 Python 和 Whisper
macOS 自带 Python 版本较旧，建议用 brew install python 安装新版。接着 pip install openai-whisper 即可。若系统提示权限错误，加 --user 参数。

步骤三：处理麦克风权限（仅当你要实时录音时）
首次运行涉及麦克风的命令时，macOS 会弹窗询问，点“允许”。如果之前误点了拒绝，去“系统设置 → 隐私与安全性 → 麦克风”，把对应终端应用勾选上。这是 mac 用户最容易卡住的环节。

四、首次启动快速配置

Whisper 没有图形界面，一切通过命令行。最基本的用法：whisper 音频文件.mp3 --model small --language zh。其中 --model 选择模型大小（tiny/base/small/medium/large），small 适合一般场景，medium 更准但更慢；--language zh 指定中文，不指定则自动检测。输出格式默认是 txt，想生成字幕可用 --output_format srt。如果你希望把中文翻译成英文，加 --task translate。这些参数都写在命令行里，没有专门的设置面板。

五、常见安装报错解决方案

症状一：pip 安装时报网络超时或 SSL 错误
解决动作：换用国内镜像源重试，如清华源；或者设置超时时间 --timeout 100。

症状二：运行 whisper 提示“No module named 'torch'”
解决动作：说明 PyTorch 没装上，运行 pip install torch torchvision torchaudio，建议用官方推荐的 CPU 版本命令。

症状三：转录时提示“ffmpeg not found”
解决动作：确认 FFmpeg 已安装并加入 PATH；Windows 用户检查环境变量后需重开命令行窗口；mac 用户可用 which ffmpeg 验证。

六、优缺点

优点

• 识别准确率高，尤其对英文和多种主流语言，效果接近商业服务。
• 完全本地运行，无需联网，数据不出本机，隐私安全。
• 开源免费，MIT 许可证，可自由使用甚至商用。
• 支持翻译成英文，对多语种会议记录很有用。
• 社区活跃，模型更新迭代快，教程和问题解答丰富。

缺点

• 纯命令行操作，对非技术用户不友好，没有图形界面。
• 大模型（如 large）对内存和显存要求高，8G 内存可能紧张，速度慢。
• 首次运行需下载模型文件，体积较大，网络不好时等待久。

七、历史版本

Whisper 的 GitHub 仓库以日期标记版本，例如 2023 年到 2025 年间有多个快照。这些版本主要改进模型参数、修复转写 bug、优化多语言支持。具体每个版本实现了什么，请以官方仓库的 Release 页面说明为准。由于仓库不提供预编译二进制，历史版本均需通过 git 标签或 pip 指定版本安装，建议直接使用当前官方推荐版本。

八、社区高频问题与已知坑

根据官方 Issues 讨论，几个常见问题：

• 中文识别有标点缺失：有用户反馈中文转写时标点较少，可尝试 larger 模型或后期用文本工具补标点。
• 长音频内存溢出：处理超过 1 小时音频时可能崩溃，可分段转录或用 --condition_on_previous_text False 参数缓解。
• GPU 显存不足：large 模型在 4G 显存上会报错，改用 --model small 或 --device cpu。

同类软件推荐

以下是与本文软件定位相近、可相互替代的同类工具，便于按需选型：

• Faster-Whisper（同类热门，建议结合官网评估）
• Vosk（同类热门，建议结合官网评估）
• SpeechRecognition（同类热门，建议结合官网评估）

核心功能

• 本页保留官方站点入口作为下载来源，并在可用时提供网盘转存通道，链接与提取码随页面展示。
• 围绕「Whisper语音转文字教程」这一需求给出可执行的获取与部署步骤，减少试错成本。
• 提供版本与架构比对，避免装错版本或选错系统架构导致无法运行。

使用场景

• 需要在本机部署或重装 Whisper语音转文字教程（当前版本），并希望先核对版本与文件信息再获取的场景。
• 使用 Whisper语音转文字教程 时遇到官方站点访问不稳定或速度较慢，需要国内网盘通道作为替代的情况。
• 需要在多台设备使用同一 Whisper语音转文字教程 版本（当前版本），便于统一环境与后续排查时。

注意事项

• 部署 Whisper语音转文字教程 时路径建议避免中文与空格，可减少部分写入失败的概率。
• 若安全软件出现拦截提示，请先确认来源为本页收录渠道后再决定是否放行。

安装与校验

• 通过本页「夸克/百度 网盘」通道转存到自己的网盘后再取回文件，可避免直接下载中断造成的文件不完整。
• 解压后先确认 Whisper语音转文字教程 主程序能否正常启动，再决定是否替换原有版本。
• 如遇安全软件拦截，请先确认来源为本页收录渠道，再决定是否放行。

官方来源获取步骤

• 第 1 步：打开本页给出的官方站点入口，核对页面域名与下方收录信息是否一致。
• 第 2 步：在官方页面的下载区选择与本机 Windows/x64 匹配的安装包，注意区分 32 位与 64 位。
• 第 3 步：下载完成后核对文件名与文件大小，再执行安装或解压；建议解压到 C:\\Tools 这类不含中文与空格的路径。