MacWhisper 使用 OpenAI 在 Mac 上本地转录音频

geeks

MacWhisper 使用 OpenAI 在 Mac 上本地转录音频

! A& m  |7 M4 F3 n! o  @  |MacWhisper是一款适用于 macOS 的实用程序，可以转录您提供的任何音频文件。在引擎盖下，它依赖于 OpenAI 的 Whisper，这是一种转录引擎，与传统方法相比，它使用人工智能来提高完成工作的速度和质量。DALL·E（图像生成器）和 ChatGPT（文本生成器）的创建者根据在别处转录的 680,000 小时音频创建了一个模型。这个转录引擎是开源的，这使得它可以在本地使用和应用程序来集成它。

7 l/ X- Z2 x( c7 `9 XMacWhisper 的开发人员因此恢复了该模型并将其集成到 macOS 的本机界面中。一个非常简单但有效的界面：您可以单击按钮开始麦克风录音，或者将文件拖放到窗口中，转录立即开始。使用默认设置，会自动识别语言并在几秒钟后显示文本。即使音频文件很长，您也会很快看到前几行文本，这对于验证语言是否已被正确识别很有用。

; N9 V( u3 m3 H8 P1 e
根据其设计者的说法，转录比实时快 15 倍，这意味着处理 15 个原始文件只需要一秒钟。事实上，它甚至可以比这更快：在我的 Mac Studio 上，MacWhisper 在大约 15 秒内转录了一个 8 分钟的文件，转录速度比实时转录快约 30 倍。它使用默认设置和“准确”，因为知道有一种更快的模式会影响转录质量。
. d% W! J! S- o0 o$ q7 [* l
" i: M6 n2 B& w! \- M& b5 W工作完成后，您可以使用该应用程序阅读文本并同时收听音频。两条信息是同步的，因此您可以在文本中移动并单击任何一行来收听相应的部分，或者相反地在音频文件中移动并显示相关的转录。在这方面，MacWhisper 不仅限于音频文件（mp3、m4a 或 wav 格式），该应用程序还可以作用于视频（仅限 mp4 格式）并生成.srt和.vtt.

5 g% g. k3 Q2 |; }8 L, n# j  x在我的测试文件中，免费应用程序的转录非常令人满意，并且在几秒钟内获得了结果。还是有一些错误，尤其是专有名词没有太多惊喜1和同音异义词2，但仍然很容易理解，经过一些更正，结果还是比较令人满意的。也有速度较慢但效率更高的型号，但它们需要购买 MacWhisper Pro，其在官方网站上的含税售价约为 12 欧元。
# g) a; ^  o+ }9 l& r) O7 y
免费版和专业版之间的主要区别在于包含了两个额外的模型，这大大降低了应用程序的重量。虽然基本版本重约 200 MB，但 MacWhisper Pro 安装在 Mac 上后接近 5 GB。处理时间也明显更长，大约需要三分半钟，仍然比实时快 2.3 倍。结果实际上比基本模型更好，句子结构更好，避免了许多语法错误。这一次，我们在不进行修饰的情况下接近完美的结果，如果您需要定期转录大量音频，这充分证明了专业版所要求的价格。
3 V/ e# p: ?3 _# e) b% E& {

使用最准确的模型转录相同的音频文件。
MacWhisper 的开发者有很多想法来改进他的应用程序：更好地识别和分割句子，翻译转录文本的可能性和附加功能，例如实时转录 Mac 麦克风拾取的任何内容，或者识别和区分多人的能力在音轨上。其中一些功能将保留给 Pro 版本，其他功能则两者通用。

同时，该应用程序安装在所有从 macOS Ventura 开始的 Mac 上，尽管推荐使用 Apple Silicon 型号，但您可以在 Intel Mac 上使用该应用程序。就像与人工智能相关的一切一样，自制芯片因其神经引擎和对这些任务的一般优化而成为首选。MacWhisper 界面仅提供英文版本。
3 O; p# s  h$ M/ m7 `  k
- W* K' N- g9 p' z举几个例子：“Syria”代表 Siri，“I-Mac”代替 iMac，甚至是我最喜欢的“pelTV”代替 Apple TV。注意这不是系统的，系统可以识别产品名称，尤其是iPhone的那个好像比较好理解。 ↩︎