Whisper-WebUI 是基于 OpenAI Whisper 模型的语音转文字工具，提供网页界面操作。支持 MP3、WAV 等格式及 YouTube 链接输入，具备自动语言检测、字幕生成、背景音乐分离及说话人识别功能。部署需安装 Git、Python 3.10-3.12 及 FFmpeg，通过脚本一键完成环境配置。支持 GPU 加速转录，可选 faster-whisper 等模型。集成 REST API 便于开发者扩展，适用于视频创作、播客整理及会议记录自动化场景。首次使用需下载模型文件，后续可离线运行。
Whisper-WebUI 是一款基于 OpenAI Whisper 模型的现代化语音转文字工具，通过直观的网页界面实现专业级的字幕生成任务。
无需编程经验，网页界面操作。
MP3、WAV、FLAC、YouTube 链接等。
自动检测近百种语言。
字幕生成、背景音乐分离、说话人识别一体化。
开始之前，请确保你的系统已安装以下软件：
Windows 用户：双击运行 Install.bat 文件，系统会自动创建虚拟环境并安装所有依赖。
Linux/Mac 用户：
bash
chmod +x Install.sh ./Install.sh
安装过程会自动下载必要的 AI 模型文件，请确保：
安装完成后，运行启动脚本：
start-webui.bat./start-webui.sh访问 http://localhost:7860 即可开始使用语音转文字功能！
Whisper-WebUI 的核心功能是将音频内容转换为文字字幕。支持多种输入源：
转录过程完全自动化：
通过 UVR 技术，系统能够智能分离人声和背景音乐。这对于音乐制作、音频后期处理特别有用：
会议记录、访谈整理不再困难！说话人识别功能能够自动区分不同发言人的声音，为每个说话人生成独立的字幕轨道。
生成的字幕文件支持一键翻译：
对于视频创作者来说，字幕制作往往是最耗时的工作之一。使用 Whisper-WebUI：
将播客音频转换为文字稿：
上传会议录音，系统自动完成：
为了获得最佳使用体验，建议：
Whisper-WebUI 提供多种模型选择：
根据你的设备性能选择合适的模型，在保证质量的同时提升处理效率。
对于开发者用户，Whisper-WebUI 提供了完整的 REST API 服务，支持：
查看后端目录 backend/ 获取详细的 API 文档和使用说明。
通过修改配置文件，你可以：
配置文件位于 backend/configs/config.yaml，按需调整以获得最佳效果。
Q: 转录准确率如何？ A: 在清晰语音环境下，中文转录准确率可达 90% 以上。
Q: 支持哪些音频格式？ A: 支持 MP3、WAV、FLAC、M4A 等常见格式。
Q: 是否需要联网？ A: 首次使用需要下载模型文件，之后可离线使用。
Whisper-WebUI 将复杂的 AI 语音识别技术封装成简单易用的网页工具，让每个人都能享受科技带来的便利。无论你是内容创作者、研究人员还是普通用户，这款工具都能为你节省大量时间和精力。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online