会议录音不想上传？

本地 Whisper，1小时约3分半出稿

我有一堆录音：会议、访谈、播客。转文字通常只有两条路——

一条是上传到在线服务：排队、限时长、按分钟收费，转完还不知道文件存在哪。开会录的内容，凭什么都让服务器过一遍？

另一条是本地跑 Whisper。隐私是有了，但装环境、配模型、敲命令行，足够劝退大多数人。

所以我做了个本地网页工具，叫 whisper-tools。音频拖进去就转；1小时录音约3分半出稿，全程不联网，也不用花钱

想快速就直接用：codex GPT / WorkBuddy / Hermes等工具直接安装

用法只有三步：下载仓库 → 双击 install.bat → 把音频拖进浏览器。缺 ffmpeg 它自己装；有 NVIDIA 显卡会提示开 GPU 加速；不装或装失败，自动切 CPU。不用改配置，不用研究模型路径。整个文件夹也能拖：子目录递归收进来，多文件排队转，同名文件不打架。

本机实测（RTX 4070 Laptop，turbo 模型）：

  • 30秒录音 → 1.2秒
  • 3.5分钟的歌 → 19秒
  • 1小时音频 → 约3分半

原生 Whisper 的中文稿经常没法直接交。我把自己翻车过的点都修进去了：半角标点转全角（1,200、12:30 不误伤）；汉字间空格自动删；繁转简；按22–46字分段；转歌开头的「嗯嗯嗯」和「Zither Harp」式幻听自动掐掉

一个坑：medium 不是「更准更慢一点」。同一首3.5分钟带伴奏的歌，turbo 19.2秒，medium 693秒，约慢36倍，标点还更差。转歌一律 turbo。结果不满意，页面上换模型重转，不用重新拖文件

限制也说清楚：带伴奏的歌最难，个别字会错（「唱片店」变「长片店」），纯音乐尾奏偶尔幻听。会议、口播、播客这类清晰语音，基本能直接用。目前只在 Windows 10/11 上跑。

GitHub（MIT 开源）：

https://github.com/gaoren7716-lab/whisper-tools

目前测试日常音频文件转文字，基本没啥大毛病可以直接使用！！！

重点不是 Whisper 能不能转

而是你愿不愿意把会议、访谈、客户沟通这些录音，全部交给别人的服务器。

对敏感内容来说，本地离线不是加分项，是底线：音频不出本机、不联网、不收费、没有时长限制

适合会议记录、访谈整理、播客归档，也适合任何不想把录音传到云端的人

收藏给下次整理录音时用。转给那个还在一边听、一边手动打字的人

有任何问题可以留言！！！