WhisperDesktop怎么把视频转成文字

开会录音、课程视频、采访素材想整理成文字稿，一边听一边敲键盘最熬人。Whisper Desktop把OpenAI的语音识别模型搬到了本地，选好模型文件、指定一个视频，它就能离线把语音转成文本，还能直接导出SRT字幕，不用上传到任何网站，隐私和速度都有保障。

WhisperDesktop怎么把视频转成文字

第1步：打开软件看主界面三个入口

Whisper Desktop 启动后是一个朴素的小窗口，从上到下依次是「Model Implementation」「Load Model」「Transcribe Audio File」「Capture Audio」几块。第一次用是空的，得先让它知道模型文件在哪。

第2步：点 Load Model 打开模型载入窗

点中间的「Load Model」按钮，弹出「Load Whisper Model」对话框，里面要求填一个 GGML 格式的模型路径，下面还能选用 GPU 还是 CPU 推理，勾上 GPU 会快不少。

第3步：选中下载好的 ggml 模型文件

点路径框后面的「…」浏览硬盘，找到事先下载的模型，比如 ggml-medium.bin。文件名里带 medium、large 的识别更准但更吃内存，机器一般的话选 base 或 small 也能用。选好点「确定」加载。

第4步：指定要转写的视频和输出格式

模型载入成功后点「Transcribe Audio File」，在新窗口第一栏选好视频或音频文件，第二栏「Output Format」决定输出什么：只想要文字稿就选 Text file，要字幕就选 SubRip subtitles，会生成 srt 文件。

第5步：语言选中文后点转换

同一窗口上半部分有「Language」下拉，中文内容就选 Chinese；勾上 Translate 会把外语顺带翻成英文，中文素材不用勾。设置完点右下角的「Transcribe」，进度跑完文字稿就落在刚才指定的目录里了。