本地语音转文字 STT Powered by Faster Whisper CPU可用

王Gary

v0.2更新

• 应要求换掉了识别精度较差的base，增加了small和large两种模型；
• 现在你可以在识别过程中终止操作了；
• 保存结果可以选择位置了;
• 更改模型默认保存位置为当前文件夹 model 目录下。
  

提醒：

根据用户反馈的问题，现更新回复如下

• 兼容性：程序需要在win10 64bit以上系统版本使用，win7、xp等操作系统不支持；同时，部分奔腾、赛扬低端处理器因缺少所需指令集可能无法正常使用。
• 选择模型问题：建议在使用large模型时，切换精度选择框为float32；其他两款模型建议使用int8即可。
• 网络问题：模型体积较大，请确保网络环境稳定，若出现无法下载，连续失败等问题，建议删除同目录下的models文件夹重试。
  若以上回答没有解决问题，请回帖反馈，附上console（那个黑框框）里的输出内容，方便排查。
  

背景

最近接到一个需求，需要把录音转换为文字，一看网上几款常用的工具，想不到都是收费的；论坛里面找了找，发现基本上都需要云端api，仅有的几个本地的都需要使用GPU中的cuda计算。因此，开发了这么一款语言转文字的小工具，基于Faster Whisper模型，在cpu上也能达到不错的效果。

使用方式

双击文件打开，在左上角选择模型，左下角选择推理方式与精度（cpu推荐int8，速度更快）。
若没有支持cuda的GPU请不要选择GPU，否则会崩溃（原本想导入pytorch库判断cuda_is_available的，但是这样打出来的包会把一整个pytorch一起打包进去，太大了，后来就没这么处理）
首次使用需要下载模型，进度在console中可见，请耐心等待。

测试截图

下载地址 v0.1

百度: https://pan.baidu.com/s/1m6AnY2F5zO8JDW6nWhoPiQ?pwd=kmyf 提取码: kmyf
123: https://www.123pan.com/s/ZSlSjv-VE8C3.html

下载地址 v0.2

百度: https://pan.baidu.com/s/1KJGmUezVOJ9XpmUCe3ljDg?pwd=mu4h 提取码: mu4h
123: https://www.123pan.com/s/ZSlSjv-sk8C3

技术栈

使用了PyQt5开发界面，使用Faster Whisper中的ctranslate2进行推理，使用opencc对提取出的繁体中文进行翻译。

End

希望大家多多测试长音频，看看会不会出bug（bushi