很多做录音采访之类的工作，需要实时录音后期还要将谈话内容整理成文字，如果人工去做的话及其耗时，还可以根据音频文件生成srt字幕，非常适合做自媒体视频的人用，还比如看到一些视频非常好很想将里面的文案提取出来，有很多软件就可以实现将语音转成文字，这里就跟大家分享一个免费又好用的软件：Whisper，这是一个免费开源程序，该软件是whisper.cpp实现的Windows 移植，是OpenAI 的 Whisper自动语音识别 (ASR) 模型的 C++ 端口。 

关于模型选择，显卡显存在5G以上的就用ggml-large.bin模型，4G显存就用ggml-medium.bin模型，2G显存就用ggml-small.bin模型，模型越大识别精度越高，语音转文字效果越好。

软件和模型下载到本地电脑上之后，双击运行【WhisperDesktop.exe】，先选择所需要的模型，可以根据自己电脑配置自行选择。然后点击【OK】。

转录本地音频文件

进入下一个操作界面后，你想语音转文字的音频文件是说的什么语言，language后面就选什么语言，如果是英文音频，你选择的语言是中文，那么就会将英文音频识别并翻译成中文后输出文字内容，但是这里要注意的是翻译输出后的中文是繁体的。选择好音频文件和输出路径及输出文件名后，点击按钮【Transcribe】就可以开始转换了

4分37秒的音频用了1分7秒时间就处理完了，速度还算可以的。而且文字识别效果还挺好的。以前的时候做视频字幕，用的是剪映里面的智能字幕，自动识别人声自动生成字幕，整体上都能识别出来，但是总是还有很多地方有错别字，要完整看一遍挨着修改。这个软件也可以生成带时间轴的字幕，而且识别精度更高，需要修改的地方更少，就不需要特意用剪映来生成字幕了，这个软件操作起来更方便快捷。

实时转录

这个软件还有实时转录功能，可以实时将别人讲话的声音立即转换成文字，点击底部中央的按钮【Audio Captuer】，启动实时转录界面。勾选【Save to text file】,然后选择输出路径及文件名，也可以生成带时间轴的文字内容。然后点击按钮【Captuer】就可以开始实时对讲话的内容转成文字了。

实时转录效果相对转录音频文件略差一些，说话发音越标准，转录效果越好。

注意：软件只支持Windows 64位系统