Whisper语音转文字：本地免费录音转写方案

📘 教程 2026-07-19 约 2 分钟阅读

开会录音一小时，整理笔记两小时。有没有办法自动把录音转成文字？Whisper可以，而且完全免费、本地运行、隐私安全。

💡 你将学到

开会录音一小时，整理笔记两小时。有没有办法自动把录音转成文字？Whisper可以，而且完全免费、本地运行、隐私安全。

📜 目录

Whisper是什么
快速使用
模型选择
Python调用
WhisperX：说话人识别
跟云服务比
硬件要求
一句话
相关文章

Whisper是什么

Whisper是OpenAI开源的语音识别模型。免费、可本地部署、支持99种语言（包括中文）。

有两种用法： - Whisper命令行 — 最简单的使用方式 - WhisperX — 带说话人识别（知道谁说了什么）

快速使用

# 安装
pip install openai-whisper

# 转录音频文件
whisper 会议录音.mp3 --model small --language Chinese

几秒到几分钟（取决于音频长度），输出文本文件。

模型选择

模型	大小	速度	准确率	推荐场景
tiny	39MB	极快	一般	实时语音
base	74MB	快	还行	日常使用
small	244MB	较快	良好	推荐
medium	769MB	中等	好	中文语音推荐
large	1.5GB	慢	最好	高精度需求

中文语音推荐用 medium 或 large 模型。

Python调用

import whisper

model = whisper.load_model("medium")
result = model.transcribe("会议录音.mp3", language="zh")

# 输出全文
print(result["text"])

# 带时间戳的片段
for segment in result["segments"]:
    start = segment["start"]
    end = segment["end"]
    text = segment["text"]
    print(f"[{start:.1f}s - {end:.1f}s] {text}")

WhisperX：说话人识别

pip install whisperx

whisperx 会议录音.mp3 --model medium --language zh

输出结果会标注每句话是谁说的：

[张三 00:00:05] 今天会议主要讨论三个议题
[李四 00:00:12] 我先说一下进度
[张三 00:00:30] 好的，请说

跟云服务比

方案	价格	隐私	准确率
Whisper本地	免费	数据不出门	良好
讯飞语音	免费额度	上传到云端	优秀
阿里云语音	按小时收费	上传到云端	优秀
OpenAI Whisper API	$0.006/分钟	上传到云端	优秀