本地离线部署 Whisper 模型实现语音转写实战

环境准备

先在本地装个 Python 3.8+。Windows 用户记得勾选 "Add Python to PATH"，不然后面命令跑不起来。装完打开终端输 python --version 看看版本号。

安装 Whisper 核心库

直接用 pip 装 openai-whisper。国内网络慢的话可以加清华镜像源。

pip install openai-whisper -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：Whisper 处理音频强依赖 FFmpeg。Windows 用户得去官网下载并配置到环境变量里，否则转写时容易报找不到 ffmpeg 的错误。

模型下载与管理

默认情况下，第一次运行会自动下载模型文件到缓存目录。如果想提前准备好，特别是用大模型 large-v3，建议手动指定。

pip install "openai-whisper[large-v3]"

模型通常缓存在 ~/.cache/whisper/ 下，Windows 路径类似 C:\Users\用户名\.cache\whisper\。

命令行快速转写

最简单的用法就是直接在终端跑命令。

whisper D:\Net_Program\test\whisper-test.wav --model large-v3 --language Chinese

参数说明一下：--model 选模型大小，越大越准但吃资源；--language 强制指定中文能避免自动检测翻车；--format 决定输出 txt 还是 srt。

Python 脚本集成

如果要在项目里调用，封装成函数更灵活。下面这个脚本做了些额外处理，比如检查 FFmpeg 是否就绪，以及把结果里的繁体字转成简体。

import whisper
import os
import pathlib
import subprocess
from zhconv import convert

def check_ffmpeg():
    """检查 FFmpeg 是否安装并配置正确"""
    try:
        subprocess.run(
            ["ffmpeg", "-version"],
            check=True,
            stdout=subprocess.PIPE,
            stderr=subprocess.PIPE,
            text=True
        )
        return True
    except FileNotFoundError:
        print("错误：未找到 FFmpeg 工具，请先安装并配置环境变量")
         
     Exception  e:
        ()
         

 ():
    
      check_ffmpeg():
         

    
    audio_path = (pathlib.Path(audio_path).resolve())
    
      os.path.exists(audio_path):
        ()
         
    
      os.path.isfile(audio_path):
        ()
         

    
    :
        ()
        model = whisper.load_model(model_name, device=)
        
        ()
        
        result = model.transcribe(
            audio=audio_path,
            language=,  
            verbose=,
            fp16=,
            initial_prompt=  
        )
        
        
        simplified_text = convert(result[], )
        
        
        output_dir = 
        os.makedirs(output_dir, exist_ok=)
        audio_name = os.path.splitext(os.path.basename(audio_path))[]
        output_path = os.path.join(output_dir, )
        
         (output_path, , encoding=)  f:
            f.write(simplified_text)
        
        ()
         simplified_text
        
     Exception  e:
        ()
         

 __name__ == :
    
    :
         zhconv
     ImportError:
        ()
        subprocess.run([, , ], check=)
         zhconv

    
    audio_file = 
    transcribe_audio(audio_file)