OpenAI Whisper 本地转写

要解决什么问题

会议录音、播客片段或手机里的 m4a/mp3，往往需要可检索的文字稿，或带时间轴的字幕。把整段音频交给在线 API，会涉及上传、费用和隐私；很多场景更希望在本机完成转写，模型与数据都不离开自己的环境。

技能如何工作

本技能围绕 OpenAI Whisper 的命令行工具，指导你在本地跑转写流程，而不是封装成黑盒服务。典型用法类似：

• 对本地文件执行转写：whisper /path/audio.mp3 --model medium --output_format txt --output_dir .
• 需要字幕或翻译时，可指定 --output_format srt，或使用 --task translate 做英译等任务

模型选择是速度与精度的主要权衡：安装里 --model 默认是 turbo；更小模型更快，更大模型通常更准。首次运行会从网络拉取权重，并缓存在 ~/.cache/whisper，之后同机重复跑会省掉下载步骤。

适用边界与注意点

• 这是 CLI 工作流，适合已经能在终端里管理路径、参数和输出目录的工程师；不负责替你搭 GPU 环境或图形界面。
• 长音频、大模型会吃 算力与内存；机器较弱时优先试小模型或 turbo，再按需升级。
• 转写质量仍受口音、噪声、混音影响；translate 任务的目标是译文文本，不等同于专业本地化或术语表校对。