Whisper

把录音或视频的声音交给 Whisper，它会把里面的话转成文字，顺手生成字幕文件。OpenAI 把它开源了，模型下到自己电脑上就能用，不按次收费。

适合谁

• 要给视频加字幕的自媒体作者
• 想把会议录音、采访、网课整理成文字稿的人
• 想把外语音频直接翻成英文文字的人

怎么开始

1. 安装：对 Claude Code 或 Codex 说「帮我装上 OpenAI 的 Whisper 和 ffmpeg」。自己装是 pip install -U openai-whisper，另外要装 ffmpeg（处理音视频的工具），Mac 上用 brew install ffmpeg。
2. 转写：在终端（靠打字下命令的窗口）输入 whisper 你的文件.mp3 --model turbo --language Chinese，第一次会自动下载模型。
3. 跑完以后，同一个文件夹里会多出 txt、srt 等好几种文件。srt 就是字幕文件，可以直接导进剪辑软件。
4. 想把外语翻成英文，加上 --task translate，模型换成 medium 或 large，turbo 不做翻译。

要注意

• 模型有六种大小，越大越准，也越慢。按官方表格，tiny 和 base 约需 1GB 显存，small 约 2GB，medium 约 5GB，turbo 约 6GB，large 约 10GB。
• 不同语言的准确度差别很大，转出来的中文稿最好人工过一遍，人名和专有名词尤其容易错。
• 代码和模型都是 MIT 许可。
• 用 Mac 又想更快、更省内存，可以换 whisper.cpp 这个移植版。