ClawHub Skills 本地语音转文字（OpenAI Whisper）技能使用参考手册

一、工具介绍

OpenAI Whisper 是一款由 OpenAI 研发的本地语音转文字工具，无需调用 API 密钥，通过 CLI（命令行界面）即可完成音频转录、翻译等操作。该工具支持多种音频格式，可灵活选择不同大小的模型以平衡速度与准确率。

👤 作者：Peter Steinberger
👉 Skills 下载地址：openai-whisper-1.0.0.zip

二、安装步骤

Whisper 支持通过 Homebrew 快速安装（适用于 macOS 系统），执行以下命令即可完成安装：

## 安装 OpenAI Whisper（brew 方式），安装后会自动生成 whisper 可执行文件
brew install openai-whisper

三、快速上手（带中文注释）

示例1：基础音频转录（输出TXT文件）

## 转录指定MP3音频文件，使用medium模型，输出格式为TXT，输出目录为当前目录
whisper /path/audio.mp3 --model medium --output_format txt --output_dir .

示例2：音频翻译+输出SRT字幕文件

## 对指定M4A音频文件执行翻译任务（默认将其他语言转为英文），输出格式为SRT字幕文件
whisper /path/audio.m4a --task translate --output_format srt

四、详细使用教程

1. 核心参数说明

2. 进阶使用示例

示例1：转录中文音频并输出SRT文件

## 明确指定音频为中文，使用large模型提升准确率，输出SRT字幕文件到指定目录
whisper /path/中文音频.mp3 --language zh --model large --output_format srt --output_dir ~/Desktop/字幕输出

示例2：批量转录同目录下所有音频文件

## 转录当前目录下所有MP3文件，使用small模型，输出TXT格式
whisper *.mp3 --model small --output_format txt

3. 模型相关注意事项

• 首次运行 Whisper 时，指定的模型会自动下载并缓存到 ~/.cache/whisper 目录，后续运行无需重复下载；
• 模型越大，转录/翻译准确率越高，但对设备性能要求更高（如 large 模型建议在性能较好的电脑上使用）；
• turbo 模型是默认选项，兼顾速度与基础准确率，适合日常轻量使用。

五、常见问题

1. 模型下载慢：可手动下载模型文件并放到 ~/.cache/whisper 目录，模型文件可从 OpenAI 官方仓库获取；
2. 音频格式不支持：Whisper 原生支持 MP3、M4A、WAV 等主流格式，若格式不兼容，可先用 ffmpeg 转换（如 ffmpeg -i 不兼容音频.flac 兼容音频.mp3）；
3. 中文转录准确率低：建议指定 --language zh 并使用 medium 或 large 模型。