因?yàn)閲?guó)內(nèi)禁了HuggingFace，所以我最近在部署fast-whisper-web時(shí)遇到了麻煩。轉(zhuǎn)而找到了一個(gè)國(guó)內(nèi)開發(fā)者CheshireCC整合的開源項(xiàng)目：faster-whisper-GUI。

不得不說：雖然很多技術(shù)源頭來自國(guó)外開發(fā)，但國(guó)內(nèi)開發(fā)者卻能把這些技術(shù)整合出花樣來。faster-whisper-GUI就把Demucs、fast-whisper、whisperX這三個(gè)項(xiàng)目整合到了一起。你不得不說作者很有創(chuàng)意：為了減少人聲轉(zhuǎn)字幕背景音的干擾，直接把人聲提取工具Demucs也整合進(jìn)來了。語音轉(zhuǎn)文字則使用的是whisper的衍生項(xiàng)目faster-whisper，提取速度更快對(duì)顯卡的要求更低。最終字幕輸出則用到了whisperX。

在使用faster-whisper-GUI前要切換到模型頁(yè)面，加載faster-whisper模型。作者直接推薦用large模型進(jìn)行處理，我用RTX2060S測(cè)試了一下，速度還是挺快的，所以中端顯卡即使用large模型也不用擔(dān)心速度。

然后切換回主界面，如果你想對(duì)音頻做一個(gè)人聲分離再處理，可以用到Demucs，事實(shí)上faster-whisper在這一塊做的已經(jīng)足夠好，直接進(jìn)入faster-whisper進(jìn)行語音轉(zhuǎn)字幕即可。

在轉(zhuǎn)寫時(shí)模型可自動(dòng)識(shí)別語言類型，但是還是建議提前在fast-whisper的參數(shù)頁(yè)選擇好語種。

然后運(yùn)行轉(zhuǎn)寫就可以看到語音識(shí)別出臺(tái)詞了（不知道大家看臺(tái)詞能不能猜出我用的案例是哪部電影）。

處理完后會(huì)切換到WhisperX進(jìn)行字幕輸出，通過WhisperX可以對(duì)輸出的文件類型和編碼等進(jìn)行設(shè)置，然后就可以導(dǎo)出字幕或者文本文件了。

faster-whisper-GUI其實(shí)是一個(gè)整合項(xiàng)目，整合了faster-whisper0.9、whisperX3.1.1、Demucs4.0。

雖然我一般更偏向于用原生項(xiàng)目，畢竟原生項(xiàng)目更新更及時(shí)，而整合項(xiàng)目畢竟容易有爛尾風(fēng)險(xiǎn)。但是在HuggingFace被禁的大背景下，一些整合項(xiàng)目不僅實(shí)用也是大家最省事的解決方案。

下載地址：https://pan.quark.cn/s/b2423764b018#/list/share

[超站]友情鏈接：

四季很好，只要有你，文娛排行榜：https://www.yaopaiming.com/
關(guān)注數(shù)據(jù)與安全，洞悉企業(yè)級(jí)服務(wù)市場(chǎng)：https://www.ijiandao.com/