许多年以后，坐在电脑前的奶酪，一定会想起年轻时自己手敲字幕敲到手抽筋的那个下午。
如何将 200G 的视频，压缩为 20M 的文字，如何提取视频里说话人的台词，
如何将视频会议转录为文字，如何一键语音转文字。
今天，它们都成为了现实！
那为什么还要开一个新项目呢？因为“命令行软件”更方便。
我们电脑里的大多数软件，是“图形化软件”。
比如 Word、Excel、Photoshop，它们的一大特点是「所见即所得」。
软件的所有内容，都放在我们眼前，只需要用鼠标点几下，就能完成任务，上手非常容易。
还有一种软件，叫“命令行软件”。
它的特点是「所想即所得」，可以将我们大脑里想的内容「逻辑文本化」。
通过不同的命令组合，可以实现任务的批处理和自动化，因此命令行软件的上手难度也较大。
下面是本文内容的极简安装流程，没有 What，没有 Why，只有 How。
这么多转录工具，我要怎么选择？由于 CapsWriter 只支持中英文，Whisper 支持 100 种语言。
所以，结论就是。
· 最快中文转录：CapsWriterCli· 最快英文转录：CapsWriterCli· 最快多语言转录：WhisperCli
· 最佳中文转录：CapsWriterCli_Full· 最佳英文转录：WhisperCli· 最佳多语言转录：WhisperCli· 最佳转录并翻译：WhisperCli
奶酪的这个项目，已经更新了多个版本，久经考验，它就是目前的最快语音转文字，没有之一。
也许，你现在还感觉不到它的好。
但随着大家电脑性能越来越好，奶酪的配置包一定会火。
它也一定会成为了你装机必备。
上面的内容还只是“前戏”，真正的“爽点”，是接下来“一键识别”的操作实现。
它不但支持所有平台，相比原版 Whisper，速度更是快了 4-45 倍。
支持核显、支持独显、ARM 芯片也同样支持。
而不久前，OpenAI 还发布了 Large V3 模型的 Turbo 版本，在同等效果下，速度快了 8 倍。
即使在一般的电脑，也能用上 Whisper 的最顶级模型了。
Whisper 真正开始走向平民化。
但是，到了这一步，要使用还是太麻烦了，因为还只是个“毛坯房”。
奶酪的 Whisper 配置包，可以说是目前最快的 Whipser 部署方法，没有之一。
你需要做的，就只是点击一下“开始.bat”。
实际测试：
我用的是 AMD R7 7735HS 核显，一个 2:30 秒的文件，Large V3 Turbo 模型用了不到 40 秒。
而如果用 4060 显卡，也就是5 秒钟的事。
PS：新版本的奶酪配置包，只保留了 Turbo 模型一个版本，配置包总大小 1.32G。
首先，下载压缩包，解压到任意位置。
接着，点击“开始.bat”，Whisper “语音识别”的一键操作，就会自动添加到右键的“发送到”菜单。
从此，你的电脑从此就拥有了“离线语音一键识别”功能。
最后，选择任意单个文件、多个文件，又或者文件夹，即可进行一键或批量转录。
生成的转录文件，默认会保存在“原文件”所在目录。
默认只添加了“中文”和“英语”两个独立的菜单。
需要转录其它语言，可以点击第三个选项“语音转录_语言选择”进行选择，然后输入语言编号。
Whisper 支持超过 100 种语言。
常用编码：1 简体中文、2 德语、3 西语、4 俄语、5 韩语、6 法语、7 日语、8 葡语、99 粤语...
输入 all，则可以查看支持的所有语言，
直接回车，则默认选择 100 繁体中文。
如果你需要一键转录网上的视频。
就会先下载该视频，然后自动调用 Whisper 来一键转录，全程自动！
奶酪系列浏览器，均已支持。
需要注意的是，
你需要在扩展 ContextSearch web-ext 里修改你的 WhisperCli 实际路径，一共有两处要修改。
否则无法一键下载及转录。
如果你没有使用“奶酪浏览器”，可以导入扩展 ContextSearch web-ext 的奶酪配置。
1、不支持 2012 年以前的 CPU。
支持 Win 7 系统，但模型渲染需要 F16C 指令集，因此不支持 2012 年以前生产的 CPU。
2、部分文件格式不支持。
3、超长音频/视频，可能会出现字幕重复的问题。
可以分段后再进行转录，奶酪写了一个自动分段脚本，将文件拖入到 bat 脚本上即可一键分段。
Mac 能不能也实现类似 Windows 那样的一键语音识别呢？能！而且思路也大致相同。
支持 Intel 和 ARM 芯片，而且解决了 Mac 下 Whisper 调用 GPU 的问题，转录速度大为提升。
安装方法：
首先，安装 Vibe。
安装后，下载最新的 Large-V3-Turbo 模型文件，放在 Vibe 的“模型文件夹”里。
因此，它也是可以实现类似 Windows 下的一键操作。
具体方法是通过“Automator 自动操作”来实现，首先是打开“自动操作”，新建一个“快捷操作”。
输入以下代码：
不想操作也没关系。
奶酪已经把脚本准备好了，只需要双击安装，脚本就会自动存放在 ~/Library/Services 下。
之后，选择任意单个文件、多个文件，又或者文件夹。
在右键菜单里的“快速操作”，选择“使用 Whisper 转录” 即可一键调用转录。
要设置“快速操作”菜单的显示内容，你可以在“设置—>隐私与安全性—>扩展—>访达”里修改。
同样，如果你需要一键转录网上的视频。
就会先下载该视频，然后自动调用 Whisper 来一键转录，全程自动！
奶酪系列浏览器，均已支持。
需要注意的是，
如果你没有使用奶酪浏览器，则需要安装扩展 ContextSearch web-ext，导入奶酪配置即可。
1、也支持 Intel CPU。
支持 ARM 芯片，也支持 2019 年前 Intel 芯片，具体我没有测试，你可以试试，原理一样。
2、部分文件格式不支持。
3、超长音频/视频，可能会出现字幕重复的问题。
可以分段后再进行转录，奶酪写了一个自动分段脚本，将文件拖入到 bat 脚本上即可一键分段。
与此同时，阿里的开源语音识别工具 FunASR，把国产「语音识别」带到了前所未有的高度。
Whisper 支持超过 109 种语言。
30 分钟的音频，转录只需要 15 秒，是 15 秒 啊！
因为是纯手工标注，因为 FunASR 的“中英文”识别准确率也非常高。
考虑到使用上的便捷性，奶酪在 CapsWriter 的基础上整合了 CLI 版本：CapsWriterCli。
你需要做的，也是点击一次 “开始.bat”，然后就可以一键使用了。
奶酪的 CapsWritherCli 分成了两个版本。
标准版：只有语音识别功能，速度极快，加载模型只需要 3 秒。
完整版：语音识别+自动标点，第一次加载模型需要 30 秒左右。
之后，你可以选择单个文件、多个文件、又或者文件夹，转录后文件，会保存在原文件旁边。
需要注意的是：
1、CapWriterCli 只支持中、英两种语言。
2、在使用 CapWriterCli_Full 完整版时，第一次加载模型大概需要 30 秒，后续将不再需要。
3、然后，你还需要「再次」在右键菜单里，调用一键转录。
还需要注意的是，
如果你先使用了 CapWriterCli 极速版，要切换到 CapWriterCli_Full 完整版时.
然后再开启 CapWriterCli 完整版。
同样，如果你需要一键转录网上的视频。
就会先下载该视频，然后自动调用 CapsWriterCli 来一键转录，全程自动！
奶酪系列浏览器，均已支持。
需要注意的是，
你需要在扩展 ContextSearch web-ext 里修改你的 CapsWriterCli 实际路径，一共有两处。
同时，CapsWriterCli_Full 完整版的菜单，默认是隐藏的，你需要手动打开。
如果你没有使用“奶酪浏览器”，可以导入扩展 ContextSearch web-ext 的奶酪配置。
需要强调的是。
如果只要文字内容，使用 CapWriterCli 极速版 已经足够。
如果需要转录的内容带有“标点符号”，则需要使用 CapWriterCli_Full 完整版。
第一次加载标点模型，大概需要 30 秒，后续将不再需要。
然后，你需要「再次」在右键菜单里，调用一键转录。
如果你无法安装，又或者配置不够，奶酪还准备了“在线转录”的版本，同样“全自动一键转录”。
当然，也还有很多其它免费的“在线转录”应用，不过就是需要手动上传音频或者视频文件。