Whisper(CLI)是一个用于在本地进行音频转写的命令行工具。它的核心用途是将音频文件转换为文字,整个过程在本地完成,无需 API key。
主要能力方面,whisper 支持转写(transcribe)与翻译(translate)两种任务,支持指定输出格式(如 txt、srt)与输出目录。示例包括:
whisper /path/audio.mp3 --model medium --output_format txt --output_dir .
whisper /path/audio.m4a --task translate --output_format srt
使用方式上,直接调用 whisper 命令并传入音频文件路径,再按需附加 --model、--output_format、--output_dir、--task 等参数。
关于模型,首次运行时会下载模型到 ~/.cache/whisper;在本次安装中,--model 的默认值为 turbo。资料中提到,使用更小的模型可以提升速度,使用更大的模型可以提升准确度。
适用场景为需要本地完成语音转文字或音频翻译任务的使用者,且不希望依赖 API key。
限制方面,资料未提供支持的具体音频格式清单、各模型的体积与资源占用、语言范围、并发能力、收费与价格信息,以上内容暂未提供。