转自：https://www.52pojie.cn/thread-1787904-1-1.html

可实现本地电脑的音频转文字软件！双向转换，完全免费开源！支持 Windows、macOS、Linux
（目前界面只有英文的，但支持中文的转换）

特征

  • 基于 DirectCompute 的供应商不可知的 GPGPU；该技术的另一个名称是“Direct3D 11 中的计算着色器”

  • 纯 C++ 实现，除了基本的 OS 组件外没有运行时依赖性

  • 比 OpenAI 的实现快得多。

  • 混合 F16 / F32 精度：自 D3D 版本 10.0 起，Windows [color=var(--color-accent-fg)]需要缓冲区 的支持R16_FLOAT

  • 内置性能分析器，可测量单个计算着色器的执行时间

  • 内存使用率低

  • 用于音频处理的媒体基础，支持大多数音频和视频格式（Ogg Vorbis 除外），以及大多数在 Windows 上运行的音频捕获设备（除了一些专业的，它们只实现 ASIO API [color=var(--color-accent-fg)]。

  • 用于音频捕获的语音活动检测。


使用步骤：
下载 WhisperDesktop.zip、ggml-medium 语音模型（官方那里有好多规格如图一，作者推荐1.42G这个模型，下面百度云盘下载链接）
210836r9lvbiv196oljlxl.png
解压WhisperDesktop.zip，打开WhisperDesktop.exe，首先选择要加载的语音模型

210836r9lvbiv196oljlxl.png

加载完成后，就可以进行语音转文了

210836r9lvbiv196oljlxl.png

转换的过程如下图：
210836r9lvbiv196oljlxl.png 



210836r9lvbiv196oljlxl.png

结果以文本格式输入。


另外一个功能是允许从麦克风捕获和转录或翻译实时音频
210836r9lvbiv196oljlxl.png




ggml-medium 语音模型（官方）：
https://huggingface.co/datasets/ggerganov/whisper.cpp/tree/main

作者推荐ggml-medium.bin（大小为 1.42GB）
链接：https://pan.baidu.com/s/1xcemqdg_H5OWMlDx4hzcuQ?pwd=fk2d
提取码：fk2d

蓝奏下载（最小的体验包）:https://wwnn.lanzoue.com/iZVcM0wq5lvg 密码:7go1

Whisper ：开源项目（官方）
https://github.com/Const-me/Whisper

蓝奏下载 :https://wwnn.lanzoue.com/iDT010wq4q6f 密码:57ko