动画《妖精的尾巴》的制作公司
速记员是各类场合下高效记录演讲内容的重要职业。随着技术的发展，类似速记员功能的软件越来越多，其核心功能主要是语音识别和转写。这类软件应用广泛，包括在线视频AI字幕、线上会议或网课的速记、生剧、电影、歌曲字幕的制作和转译、通话录音等多个场景。对于专业用户来说，为了满足高效的转写需求，付费订阅软件成为首选，它们速度快、无需高性能硬件成本，准确率高，甚至可以获得一对一的专属客服支持。对于偶尔使用的用户来说，性价比可能不太高。
在众多的语音转写软件中，Whisper是一款备受关注的免费开源软件，无需联网，完全依赖本地硬件算力进行语音识别和转写。它支持多语种，包括中文，转写速度超快，且识别准确性高。其背后的技术基于Transformer引擎，结合NVIDIA新推出的RTX 40系列显卡的硬件特性，可以在较短的时间内完成大型模型的语音数据训练。
本次体验中，我们使用了i9-14900K处理器和影驰GeForce RTX 4070 Ti SUPER星曜OC显卡。通过两款GUI软件Buzz和Whisper Desktop的部署，我们进行了不同语种、语速、类型的音源文件对比测试，包括中文、英文、日文等。测试结果显示，相比CPU，RTX 40系显卡的AI性能对Whisper这类基于Transformer引擎的多模态大模型有绝对优势。即使在Large最大体积模型下，影驰GeForce RTX 4070 Ti SUPER星曜OC显卡也能将5分钟以内的音频文件转写时间压缩到60秒内。
Whisper对于中文的识别精度还有待提高，相比英语等语种可能存在一定差距。对于口音很重或经过AI配音处理的音频，Whisper的识别效果可能并不理想。尽管如此，Whisper在免费转写工具中仍然表现出色。总结来说，对于有非商业、非大批量语音识别和转写需求的用户来说，Whisper配合高性能的硬件设备可以带来显著的效率提升。善用AI技术也可以让我们的生活更加美好。
关于模型资源的获取和使用方法，可以通过文中提到的链接进行下载和部署。在使用过程中，建议先将音视频中的人声和BGM进行分离，以获得更好的识别效果。对于部分链接可能受网络环境影响的状况，我们已经将测试所用的模型资源附在本篇文章的最后部分供读者下载使用。
