选择使用whisper.cpp进行语音转文字
需要将一些wav格式的语音文件转成文字（ASR，STT），接到这个任务后，首先上网搜索有没有现成免费的工具或服务可以使用。常用的关键字如“语音转文字 免费 在线”。
搜到的很多野鸡网站，都可以免注册免费提供短时间（一两分钟或几兆）的文件转文字功能，但时间太短无法满足要求。如果在这些网站注册付费使用，不仅花钱，还可能泄露隐私。
正规网站当然也不少，如讯飞、IBM、腾讯等等。但也都不行或者不够。
比如讯飞，个人感觉有欺诈嫌疑：www.iflyrec.com/html/addMachineOrder.html
看它左上角的网页title，是不是【在线】【免费】几个字很吸引你？
还有更具迷惑性的。
当你添加本地文件后，不管文件多大，数量有几个，它会马上启动文件上传，让你误以为它能够无限制的免费帮你进行转换，最差情况，估计也就是让你这种白嫖党多等一会儿。既然免费，也没啥好抱怨的，等就等吧。
不过实际情况是，当所有这些文件上传完成，点击提交后，它就告诉你需要收费啦。当然也不能说它没提醒你，网页右侧的【资费】图标其实早就说明了一切。
它的机翻价格是19.8元/小时，而且还没有免费体验时长。几十个小时就得花个几百块钱，性价比太低了，再见。
但已经上传的文件最后讯飞如何处理，是不是拿去喂给AI训练呢？不得而知。
如果是的话，就是你想白嫖它，而反而被它白嫖了。。。
IBM的服务不错，www.ibm.com/products/speech-to-text
它明确告诉你，每个月有500分钟的免费额度。不过即使是free，也要求你输入信用卡号。
但是本人没有信用卡，也只能byebye了。
然后是腾讯云，语音文件每月有10小时的免费额度。
console.cloud.tencent.com/asr/demonstrate
试用了一下，还可以。另外还有SDK和API两种方式来访问它的服务，也可以选择本地文件或网络文件（又诱导人买你的云存储服务吧？），但这得学它们API文档来写代码，不方便。
目前看来腾讯最靠谱，但根本问题是免费额度太少不够用。
如果另外把百度、阿里等大厂的白嫖资源都用上，一个月也许加起来会有二三十个小时。但这样太麻烦，而且时间限制如悬在头上的利剑，让人不安心。
所以还是放弃buy（白嫖）这条路，改为build。
Github上语音转文字主题下，star最多的是 whisper.cpp。github.com/topics/speech-to-text
它是openAI的whisper开源项目的cpp实现，按照其主页说明，在win10下的WSL Ubuntu ，只要几个步骤就能跑起来，也不要求有gpu。
- 1、确保已安装c++编译
- 2、下载/克隆 whisper.cpp源码
- 3、下载模型，tiny和base识别不太行，至少要small。电脑不太差的都选medium或large吧。
huggingface.co/ggerganov/whisper.cpp/tree/main 如果不能访问，可以去镜像网站hf-mirror.com/ggerganov/whisper.cpp/tree/main。
4、编译，以small为例，make -j small
5、得到可执行程序main，然后就可以进行转换了。例如 ./main -m models/ggml-small.bin -l zh -f ../sound/test.wav。
还有很多参数可用，例如输出到各种格式的文件。如果要转换的语音文件多，自己写个脚本批处理即可。
转换后的结果还是需要人工纠错，而且有时会有些稀奇古怪的内容，比如
【请不吝点赞 订阅 转发 打赏支持明镜与点点栏目】【转发 打赏支持明镜与点点栏目】等等
估计是ai的幻觉。
原文地址：https://blog.csdn.net/baluzju/article/details/144023933
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！