项目简介
这个项目可以将音频/视频中的音频转为文字，最大的特点是使用了 Whisper.cpp，所以兼容性非常好，所有平台都能跑。另外性能也很不错，官方宣称可以在大约 2-3 分钟内转录 2 小时的音频。作为对比，Whisper API转录 20-30 分钟的音频需要大约 40 分钟。
在之前的版本中，我对我们应用程序的性能和可访问性感到不满意。我们之前的实现过于依赖 CUDA。AMD 用户必须安装特定的 Pytorch 包，但安装过程过于困难，而且实际上并没有带来太多好处。
经过一番研究，我创建了一个 ZLUDA 分支来模拟 CUDA；不幸的是，ZLUDA 的所有实现都不支持 Pytorch。
但并非所有希望都已破灭。
经过更多研究和挫折，我听说 Whisper.cpp。它是对 OpenAI Whisper API 的纯 C++ 实现，依赖最少。由于它可以轻松使用 Vulkan，结合 CPU + GPU 加速，并且可以轻松在 Linux 上编译，值得一试。
结果非常令人惊讶：使用我当前的硬件，Whisper.cpp 可以在大约 2-3 分钟内转录 2 小时的音频。相比之下，使用多进程和常规的 Whisper API，转录 20-30 分钟的音频需要大约 40 分钟。
与我的设计理念相一致，即软件应尽可能简单易用，我提供了一种 64 位预编译的 Whisper.cpp 版本，支持 Vulkan，因此这次如果您使用 Windows，只需下载我们的仓库并使用 Python 运行主脚本即可：
Python SoftWhisper.py 这就是全部！如果您没有这些模型，它们也会为您下载。
请注意，我尚未在 Linux 下测试此应用程序；然而，只需将您选择的编译后的 Whisper.cpp 文件放置在项目同一文件夹下即可。应用程序默认查找的名称是 Whisper_lin-x64；然而，您也可以通过简单地启动应用程序并在“Whisper.cpp 可执行文件”选项下更改目录来选择您喜欢的目录。
安装步骤
Windows
只需点击 SoftWhisper.bat 。如果缺少任何依赖项，系统将提示您安装。如果安装失败，请使用以下命令手动安装依赖项：
pip install -r requirements.txt
Linux
目前，便捷脚本不可用。使用以下命令安装依赖项：
pip install -r requirements.txt
然后使用 SoftWhisper 运行：python SoftWhisper.py
已知问题
-
尽管性能非常出色，这款软件仍然比应有的代码行数多得多，我可能会在未来解决这个问题。 -
我无法在这款版本中正确实现说话人识别功能，因此已将其禁用并从界面中移除。 -
当你选择新视频时，它不会立即加载视频。你需要按播放。
项目链接
https://github.com/NullMagic2/SoftWhisper
扫码加入技术交流群，备注「开发语言-城市-昵称」
（文：GitHubStore）