在音频和视频文件转写领域，Faster-Whisper-GUI 是一个强大的工具，能够将音频或视频文件转换成多种文字格式，如 SRT、TXT、SMI、VTT 和 LRC 文件。它基于高级模型如 WhisperX、Demucs 和 Whisper Large-v3 构建，确保了高准确性和灵活性。如果你想利用这些先进技术，本指南将帮助你从零开始配置并使用 Faster-Whisper-GUI。
PS：测试平台：Windows11，测试时间2024-04-22。
PPS：该工具对设备的GPU性能和显存大小要求略高，已知使用RTX 4070 Ti Super显卡可以拥有极佳体验。
第一步：安装和配置 FFmpeg
在使用 Faster-Whisper-GUI 之前，你需要在你的系统上安装 FFmpeg，因为它依赖于 FFmpeg 来处理多媒体文件。按照以下步骤进行：
-
下载 FFmpeg：访问 https://www.gyan.dev/ffmpeg/builds/ 下载已经build好的 FFmpeg。然后解压并将解压出的文件放在某个英文路径下，如
C:\Program Files\ffmpeg。 记住这个路径，然后将 FFmpeg 的bin目录添加到系统环境变量中。
-
配置环境变量：在 Windows 上，打开“系统属性”>“高级”>“环境变量”，（Windows11打开设置：“系统”>“系统信息”>“高级系统设置”>“高级”>“环境变量”> ）然后在“系统变量”（或用户变量）区域找到“Path”，点击“编辑”并添加 FFmpeg 的 bin 的路径（如
C:\Program Files\ffmpeg\bin）。
-
测试 FFmpeg：按下
Win+R，输入cmd并回车，打开命令提示行，输入ffmpeg -version并回车，如果显示图中内容就表示环境配置成功了。
第二步：下载并使用 Whisper Large-v3 模型
Faster-Whisper-GUI 支持多种模型，其中 Whisper Large-v3 是其中的一种。你需要下载并配置此模型：
- 下载模型：浏览器打开https://huggingface.co/CheshireCC/faster-whisper-large-v3-float32。 下载模型文件。然后将模型文件保存在你的计算机上，并记下存储位置，如
D:\Program Files\whisper-large-v3-float32。
第三步：安装并配置 Faster-Whisper-GUI
-
下载 Faster-Whisper-GUI：访问软件的 GitHub仓库 - https://github.com/CheshireCC/faster-whisper-GUI 的Release页下载最新版本。
-
安装软件
-
配置模型：在 Faster-Whisper-GUI 的“模型参数”Tab页中指定第二步中下载的大模型文件的路径，记得点击加载模型，加载完之后关闭软件并重新打开。
第四步：使用 Faster-Whisper-GUI 转写文件
打开软件：选择以管理员身份运行启动 Faster-Whisper-GUI。（或者在属性里勾选“以管理员身份启动”）
这个工具提供三个主要的功能模块：
Demucs
这是一个用于音频处理的模块，特别是在分离声音轨道时非常有用。可以用于音乐去人声、提取纯净人声等。
效果对比
-
小林未郁 - βίος（生命）- 去人声效果
-
小林未郁 - βίος（生命）- 原版
-
milet - Anytime Anywhere -《葬送的芙莉莲》ED - 纯净人声
-
milet - Anytime Anywhere -《葬送的芙莉莲》ED - 原版
-
ヨルシカ - 晴る -《葬送的芙莉莲》OP2 - 去人声效果
-
ヨルシカ - 晴る -《葬送的芙莉莲》OP2 - 原版
-
LONGMAN - spiral - 《无职转生》第二季 OP - 纯净人声
-
LONGMAN - spiral - 《无职转生》第二季 OP - 去人声效果
-
LONGMAN - spiral - 《无职转生》第二季 OP - 原版
faster-whisper
此模块是该工具的核心，负责转写工作。它支持快速转写和其他高级设置，支持多种语言， 如常用的中文、英文、日文等，可以根据音频生成字幕文本。
whisperX
这是一个提供音频转文本结果后处理的模块。可以在此进行二次处理和导出文本和字幕文件等。
结语
Faster-Whisper-GUI 是一个功能强大的转写工具，适用于专业人士和业余爱好者。只要正确安装和配置，你就可以享受到它带来的便利和效率。希望本指南能帮助你顺利启动和运行 Faster-Whisper-GUI，开始你的音视频转写之旅！
Comments NOTHING