OpenAI Whisper 语音转文字

January 13, 2024

地址： 点击打开工具

---

2025-08-14 更新：

✨ 特性

• 支持iOS设备，iPad iPhone 都能使用。
• 全本地运行：音频文件与模型全部在浏览器内处理，可离线使用。
• 多模型支持：
  • tiny.en（75 MB）
  • base.en（142 MB）
  • small.en（466 MB）
    均为英文识别模型。
• 多输入方式：支持文件上传 & 麦克风录音（最长 2 分钟）。
• 结果下载：转写完成后可一键下载 .txt 纯文本。
• 缓存机制：首次在线获取模型后会缓存在浏览器 IndexedDB，下次直接使用。
• 🎧 支持的音频格式（取决于浏览器内置解码器）：
  • ✅ WAV（PCM）、MP3、M4A/MP4（AAC） —— 全平台最稳妥
  • ⚠️ WebM/Opus、OGG/Opus —— Chrome/Edge 支持良好；Safari/iOS 通常不支持
  • 小贴士：若在 iOS 的文件选择器看不到 .wav，先检查文件是否已下载到本地（无云朵图标）

🛠 待优化

• iOS 端部分机型文件选择器对 .wav 显示不稳定。

---

操作指南

第一步：加载模型

两种方式：

1. 在线获取（需要特殊网络环境）

   • 点击 在线获取 tiny.en / base.en / small.en 任意一个按钮。
   • 首次加载需等待下载完成，完成后模型会自动缓存到浏览器，下次可直接使用。

2. 本地加载

   • 先从其他途径下载模型 .bin 文件（建议 tiny.en 版本，下载更快）。
   • 点击 “从本地选择模型” 选择该文件加载。

提示：❗❗㊙️ 如网速慢，需要手动下载。点击下载 ggml-model-whisper-tiny.en.bin 74M。

第二步：选择输入来源

• 文件（默认）：上传本地音频文件。
• 麦克风：点击 开始录音 录制音频（最长 2 分钟），点击 停止 结束。

第三步：上传或录制音频

• 上传文件：选择音频文件（支持 .wav、.mp3 等常见格式）。
• 麦克风录音：录制时会显示进度条，到达上限会自动停止。

第四步：开始转写

• 点击 开始转写 按钮。
• 程序会自动使用当前加载的模型，将音频转为英文文本。
• 转写过程耗时取决于音频长度和电脑性能。

第五步：查看与下载结果

• 转写文本会显示在黑色输出框中。
• 点击 下载转写结果（.txt） 可将纯文本稿保存到本地。

---