OpenAI 开源语音识别 Whisper 的使用体验怎么样？

作者：知乎用户
链接：https://www.zhihu.com/question/575983499/answer/3055288368
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

近期，AI 领域异常热门，众多惊人且令人担忧的工具不断涌现。今天，我们将向大家推荐一款能够提升我们工作效率的 AI 工具（下载地址见文末）。

关于Buzz

Buzz 是一款基于 OpenAI 开源 Whisper 自动语音识别模型的软件工具，能够将音频或视频中的语音自动识别为带有时间戳的文本字幕。这款工具具有很高的速度，能够在批量处理中大幅提高生产效率。

Buzz 语音转文字工具的特点

• 高度精确：基于 OpenAI 提供的 Whisper 自动语音识别技术，这是一款功能强大的机器学习模型。
• 快速转换：Buzz 的模型在本地离线运行，无需互联网连接，因此转换速度非常快，适用于大量语音转换。
• 跨平台兼容：支持 Windows / macOS / Linux。
• 多语言支持：不仅支持中文，还支持许多其他国家的语言，并能够将结果翻译成英文，但只限于英文翻译。

Buzz上手体验

　　自今年初以来，ChatGPT
的热度一直居高不下，而与之相伴的 AI 内容和工具也备受关注。今年，我们向大家推荐一款效率软件 Buzz。它是基于人工智能公司「OpenAI」（开发了 ChatGPT）所开源的 Whisper 模型制作的。这款软件能够高效地将视频和音频自动转换为文本。

　　当您首次启动 Buzz 时，AI 模型将被下载到您的计算机上。一旦下载完成，所有的语音转录文本过程都将在您的电脑上运行，转换速度非常快。

Buzz 的软件界面非常简洁，仅提供英文界面，但是有限的几个功能按钮并不会影响到使用体验。

　　以 Buzz win版本为例，在打开软件后，我们可以点击 "+" 按钮选择文件，接着选择语言（也可以采用默认的自动识别选项）。在自动转录完成后，当进度达到 100% 时，双击即可查看识别内容。此外，Buzz 还支持将识别结果导出为 TXT 格式的纯文本或通用的 SRT 字幕文件，非常便捷。

　　我曾经向大家推荐过飞书秒记这款在线工具，虽然它的确方便易用，但不能进行批量转换，而且音频文件还需要在线上传，依赖网络，对效率产生了很大影响。

开源说明

Buzz 是一款开源且免费的软件，能够自动将语音识别成文本字幕。该软件基于 OpenAI 的 Whisper 语音识别模型，这款 AI 模型也是免费且开源的，大家可以放心下载并使用
Buzz。

　　请注意，在 Mac
AppStore 上，Buzz 推出了高级版本 Buzz Captions，其完整度更高，但是需要付费购买。请大家在选择时注意区分。

Buzz 本身并没有官方网站，源代码和软件包仅在 Github 项目主页提供下载。对于非开发者来说，获取软件包可能比较麻烦。因此，我整理了适用于 Mac 和 Windows 的软件包放到网盘，便于大家在下载。至于 Linux 版本，考虑到使用 Linux 系统的用户访问 Github 不是难事，所以并未提供网盘链接。

获取工具关键词
230601

发布于 2023-06-02 08:51・IP 属地江苏

​赞同 6​​1 条评论

​分享

​收藏​喜欢收起​

更多回答

协力办公

​

已认证账号

​ 关注

2 人赞同了该回答

我尝试了下，从我的使用体验上说，这款语音识别工具十分强大。首先在准确度上，除了正常发音，我还尝试了不同的语言和口音，它都能准确识别出来。其次在速度上，它能极快地转换音频文件，无需等待太长时间。

但是Whisper对设备有一定要求，必须要有一块优秀的显卡提供良好的性能和效果，所以设备不支持的朋友就很难享用到它了。

别担心，除了Whisper我还使用过其他3款语音识别软件，它们也能很好地满足大家的使用需求，觉得不错的话记得点赞收藏哦~

一、网易见外

网易出品的一个可以实现音视频转写，字幕翻译，文档翻译的在线网站。

登录进入工作台后，使用语言识别功能，点击【新建项目】-【语音转写】。

将音频导入后，填写文件语言和出稿类型，最后点击【提交】，等待它转写完成就好啦~

二、录音识别王

它是一款功能十分强劲的音频软件，包括了录音机、语音翻译、文字转语音、视频转文字等热门工具。并且还有各种音频制作功能，例如音频格式转换、音频裁剪、音频合并、音频分割、音频压缩等。

要使用它的语音识别，点击【实时录音转文字】，当用户说话时，它就能实时把用户的声音实时转换为文字。

我自己试了一下，当我已经说了几百个字的时候，它处理的速度依然很快，并且识别准确。

支持开启智能降噪功能，过滤噪音，让识别更加准确。支持修改输出格式，有MP3和WAV可选。

识别完成后，支持编辑修改错误的地方，并且文本可以被导出为Word、PDF等文档形式，录下来的音频也可以进行裁剪和修改倍速等操作。

三、WPS Office

它对于久经职场的各位肯定不陌生，现在的它不仅能编辑文档、演示文稿等，还拥有语音识别、视频剪辑等多种办公需要的工具。

进入软件主界面后，点击【应用】，在搜索栏搜索【音视频转文字】，点击后进入音视频转文字的窗口。

将文件导入后，设置转写语言和转写领域，点击【开始转写】即可，只不过该功能需要开通会员才能使用。

出自：https://www.zhihu.com/question/575983499/answer/3055288368

如果你想要了解关于智能工具类的内容，可以查看 智汇宝库，这是一个提供智能工具的网站。
在这你可以找到各种智能工具的相关信息，了解智能工具的用法以及最新动态。