因为工作需要把视频中的语音转换成文字，网上找了很多方案，效果不佳不说，大部分都是价格不菲。正好最近在学习OpenAI，于是找到了这款神器，意外的效果好，而且免费，而且本地就能运行。它有一个windows下客户端可以直接使用，但是一次只能处理一个文件，所以就想着如何自动化批量处理，发现原来它有个cli版本。

总的来说，它的原理是先通过ffmpeg转换成音频文件，然后再通过whisper转换成文字

总的来说，命令行的方式还比较简介

1、去哪里下载

代码下载

https://github.com/openai/whisper/releases

在github上可以下载到最新的版本

这个是官方的地址，有兴趣可以下来看看，主要用到的是下面地址的内容

模型下载（针对命令行方式和客户端方式）

https://huggingface.co/datasets/ggerganov/whisper.cpp/tree/main

很好理解，模型越大越慢，也越精准，所以我下载了large。

2、客户端版本

这里说的客户端版本，就是它提供了一个exe文件，里面可以设置一些东西。

https://github.com/Const-me/Whisper/releases

这里的WhisperDesktop就是Windows下的版本了，从这里看应该是没有其他系统的版本了。

客户端版本使用比较简单，但是需要先下载模型文件，下面会用到，它启动就会要求。

2.1 启动

启动很简单，加载模型需要一些时间，还挺久的

这里可以设置选择哪个显卡，在advanced里面可以设置显卡

老实说，也没啥必要调整，就一个简单工具，调整也调不出花来。

2.2 转换

设置一下要转换的文件，还有输出的格式，默认情况，下面的Place that file to the input folder 是没有选中的，选中以后，输出的文件名就和原始文件名一致，但是扩展名不同。

比如图上的，原始文件名是 家庭.mp4,结果就是 家庭.txt。

设置好了以后，就开始走进度转换了

转换的效果没得说，遗憾的是一次只能搞1个。所以想尝试批量方案。一开始尝试rpa，后来想想有点杀鸡用牛刀了

今天就先分享到这里，每天多会分享有用的知识希望能够帮到大家。