如何使用人工智能免费转录文本

早在人工智能被用于生成视频和编写程序之前，它就被用于理解口语并采取行动。人工智能就是你能够与 Alexa、Siri 和 Google Assistant 聊天并让这些应用执行你的命令的原因。

这些算法同样可以帮助你从包含演讲的音频文件创建数字记录，无论这些文件是会议、采访、讲座还是你为自己录制的语音笔记。记录为你提供了所说内容的书面记录，并且可以轻松搜索。

Rev 和 Happy Scribe 等知名转录服务仅提供有限数量的免费转录，但借助 Whisper，您可以免费完成转录工作。这是 OpenAI（因 ChatGPT 而出名）开发的语音转文本引擎，使用起来没有任何限制。

你可以选择使用 Hugging Face 托管的 Web 版应用，它很方便，但在高峰时段通常很忙。你也可以选择在 Windows 上本地安装该软件——这意味着转录速度更快，但你需要一台不错的 PC 来满足 AI 处理需求。

网上悄悄话

前往 Hugging Face 上的 Whisper，您可以直接在浏览器中免费转录音频 - 您甚至不需要注册帐户。您可以选择从计算机上传音频文件，或者如果您连接了麦克风，也可以直接将语音录制到应用程序中。请记住，您的音频可能会用于进一步训练未来的 AI 模型 - 通常情况下，OpenAI 和 Hugging Face 的隐私政策对此并不明确。

要上传并处理音频文件：

• 打开音频文件选项卡。
• 选择单击上传。
• 选择一个音频文件。
• 勾选“转录”框。
• 单击“提交” 。

片刻（或更长时间）后，您将在屏幕右侧看到文本输出。处理时间取决于音频文件的长度以及 Hugging Face 服务器的繁忙程度。由于这是一项对所有人开放的免费服务，因此它也非常受欢迎，因此您可能会发现文件需要等待很长时间才能通过队列。

在界面中，你会发现一些有用的工具。例如，点击音频播放栏上方的小笔图标，你可以修剪剪辑的开头和结尾——如果你需要剪掉音频中的静音或不重要的部分，这个功能就很方便了。

您还可以切换到“麦克风”选项卡，直接在 Whisper 界面录制一些音频，或者切换到YouTube选项卡，从任何视频中获取转录。只需粘贴视频 URL，就可以开始了。值得注意的是，YouTube 已经自动为一些视频添加了转录，可以在评论部分找到。

Windows 上的 Whisper

如果您在 Whisper Web 应用程序中遇到很多延迟，或者您只是想让您的转录处理更加本地化和私密，您可以在 Windows 计算机上设置 AI 模型。您需要安装支持 CUDA 的显卡（请参阅此处的列表），并且至少有 4GB 的 VRAM，才能处理处理 - 如果您安装了较新的 Nvidia 卡，它可能会符合条件。

这个过程更加复杂，而且用户界面也不多，所以并不适合所有人。不过，它确实具有我们已经提到过的优点，而且你不必排队等待文件处理。如果你喜欢摆弄代码和程序，这也是一个很酷的小项目。

假设您的计算机满足要求，您需要在计算机上安装一些软件：用于编码的 Python（确保在安装过程中选中将python.exe 添加到 PATH ）、用于机器学习库的 PyTorch、用于管理软件包的 Chocolatey 和用于音频处理的 FFmpeg。如果您需要，它们都附带相关网站上的安装说明。

然后你就可以安装 Whisper 了：在“开始”菜单上搜索“cmd”，打开“命令提示符” ，然后输入“pip install -U openai-whisper”并按Enter键。安装完成后，你可以像这样转录文件：

• 在文件资源管理器中打开包含音频文件的文件夹。
• 点击顶部的地址栏，输入“cmd”，然后按Enter 。
• 输入“whisper”，然后输入空格，然后输入音频文件的名称。
• 再次按Enter 键，处理开始。

文本显示在屏幕上，并作为一系列文本文件保存在与音频相同的文件夹中。如果您需要同时转换多个文件，只需在“whisper”命令后列出所有文件，并用空格分隔每个文件。

即使你不熟悉 Python 或命令提示符，你也不会在启动和运行所有程序时遇到太多麻烦。网上有很多指南可以提供帮助。这是最好的教程之一，它一步步指导你完成每个阶段，并解释一些可用的高级功能（例如切换到不同的 AI 模型）。