Whisper 本地录音转文字
用本地 Whisper 把录音转成文字,不下云、断网也能跑。
功能与用途
有些录音涉及客户、内部会议或隐私内容,放到在线转写服务上不放心。这个技能调用 OpenAI 的 Whisper 模型在你自己的电脑上转写,模型下载完之后完全离线。可以从 tiny 到 large-v3 五个档位选模型,在速度和准确率之间取舍,还能输出词级时间戳和 JSON 格式,方便做字幕或后续加工。
适用场景
- 离线转录敏感会议录音:在无网或内网环境下将包含商业机密的会议音频转为文本,录音数据不出本地,保障信息安全。
- 快速生成音视频字幕:利用带有词级时间戳选项的转写命令,从多媒体音频提取精确对齐的文字时间轴,导出 JSON 制作字幕。
- 灵活平衡转录速度与准确率:根据电脑性能与需求自由切换 tiny、turbo 或 large-v3 模型档位,短音频秒级出结果,长音频高精度识别。
适用人群
- 需要处理涉密或含个人隐私录音的律师与医生
- 给视频做字幕的剪辑和字幕组人员
- 访谈、田野调查的研究人员
使用步骤
- 准备好音频文件,先确认本机装了 ffmpeg
- 执行 local-whisper 脚本并把音频路径传进去,用 --model 选模型档位
- 需要时间戳就加 --timestamps,需要结构化数据就加 --json
- 首次运行会下载模型,之后转写全程离线
- 拿到文字后自己再过一遍专有名词和数字
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 效率
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- 1.0.0
- 最近更新
- 2026-05-11
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Local speech-to-text using OpenAI Whisper. Runs fully offline after model download. High quality transcription with multiple model sizes.
使用前准备
- 本机安装 ffmpeg
- Python 3.12 与 uv 环境,脚本会自建虚拟环境并装 torch 和 whisper
- 首次使用需联网下载模型(tiny 39M 至 large-v3 1.5GB)
依赖与权限
- 读取用户主动提供的内容