时隔将近一年，终于有了一款开源、离线的多语种语音识别/翻译工具。
我用两小时的英文播客测试了（macOS 13.0.1 M1+8GB RAM），选择 medium 模型的话要用两个半小时转录成文字（字幕），small 模型应该会快一些。如果不是 macOS 并且有显卡的话速度快很多。
GitHub
中文介绍
One More Thing
生成的字幕可以通过 subed 编辑，或使用 translate-mode 翻译。
4 个赞