Whisper本地视频转文字部署教程：离线转写与免费方案对比

公司一批内部访谈视频要转文字，安全规定是素材不许出内网，云端工具一个都用不了，最后落在 Whisper 上——开源、免费、本地跑，视频不上传。折腾了小半天把环境搭通，这篇按部署笔记的顺序记一遍：环境怎么装、命令怎么敲、常见报错怎么处理，最后附一张含在线方案的对比表。不算太 geek，跟着走能通。

为什么选 Whisper

免费离线的中文语音识别里，Whisper 是目前比较能打的一个：开源不要钱、识别全程在本机、输出自带标点、一次转写自动生成 txt / srt / vtt 多种格式。代价是它没有图形界面，得自己搭一次环境。好在搭通之后，日常用起来就是敲一行命令的事。

一、环境准备（三样东西）

动手前把这三样备齐，后面基本不会卡壳：

步骤一：装 Python 3.9 以上

Whisper 跑在 Python 里，版本别太老，3.9 以上稳妥。装完在终端敲 python --version 确认能正常返回版本号。Windows 安装时记得勾上"Add Python to PATH"，省得后面找不到命令。

步骤二：装 ffmpeg（Whisper 靠它解音轨）

Whisper 要靠 ffmpeg 把视频里的声音抽出来，这一步没配好后面必报错。Windows 下载解压后，把里面的 bin 目录加进系统环境变量 PATH；Mac 直接用 brew install ffmpeg 一句搞定。装完敲 ffmpeg -version 验证一下。

步骤三：磁盘留几个 G 放模型

模型文件不小，small 几百 MB，large 能到几个 G，提前留出空间，别转到一半提示空间不足。

二、安装与第一次转写

步骤四：pip 一行装 whisper

环境齐了就装包，一行命令：pip install -U openai-whisper。它是开源包，联网正常安装即可，不用注册、不用破解。

步骤五：一行命令转写

转写命令也就一行：whisper 你的视频.mp4 --language zh --model small。language 设成 zh 是中文、标点更规整；model 先用 small。回车后第一次会自动下载 small 模型，下完就地开跑，跑完在同目录生成 .txt、.srt、.vtt 几份文件，不用你额外指定格式。

三、模型怎么挑

一句话：普通办公本、素材干净，small 就是甜点档；追准确率又有独显，再往 medium 或 large 上加。

四、踩过的几个坑

• 提示找不到 ffmpeg：多半是 PATH 没生效，重开一个终端窗口再跑；
• 模型下载慢或中断：网络问题，可以手动下模型文件放进缓存目录再跑；
• 显存不足报错：换小一档模型，或在命令后加 --device cpu 用 CPU 硬跑（会慢）；
• 输出没标点：检查 --language 是不是漏写，或没设成 zh。

五、和其他免费方案对比

部署完顺手把手边几个方案拉平对比了一下，含在线的，方便一起选型：

六、嫌部署麻烦？留个在线备选

Whisper 好在可控，但也得认：环境要搭一次，对只是偶尔转一两个不敏感视频的人，性价比不高。如果你的素材不涉密、电脑也有网，真没必要为一次性需求折腾这一整套。这种时候我会直接开微信电脑版里的提词匠小程序当备选：搜索「提词匠」打开，首页点「常用工具」里的「视频转文字」，上传本地视频，一两分钟出整段分段文稿，一键复制，TXT、Word、SRT 都能导。

它需联网、一次传一个视频，但省掉了 Python、ffmpeg、模型下载这一整串前置——识别在云端跑，不占本机资源，也不用配环境。所以我的分工是：内网涉密素材老老实实上 Whisper，日常零散、有网的活儿丢给提词匠，两边不抢。

七、老手才会固定下来的习惯

环境搭通之后，真正省时间的是下面这几条，都是我自己踩过才固定下来的：

• 长视频先抽音频再转。先用 ffmpeg 把视频转成 16kHz 单声道 wav，再丢给 whisper，体积小、排队快，失败率也低。
• 同一批素材共用一个模型，别来回换。tiny 和 large 混着跑，校对标准会乱；日常统一 small，只有口音特别重的几段再开 medium。
• 专有名词用查找替换一次性清。Whisper 对生僻人名、产品名经常错成同音字，导出 txt 后在编辑器里全局替换，比对着原片逐句改快得多。
• 批量转写写个小脚本。文件夹里几十个视频，用 for 循环挨个敲 whisper 命令即可；Windows 用 PowerShell，Mac/Linux 用 bash，逻辑一样。

小结

Whisper 是免费离线视频转文字里的主力选择，small 模型在普通办公机上就能把日常干净素材跑到可用水平，部署一次、后续一行命令搞定。真嫌搭环境麻烦、素材又不敏感，就退一步用在线工具，别跟自己较劲。按"素材敏不敏感"这条线来选，是这一圈折腾下来最省事的判断标准。工具版本更新较快，模型与功能以官方当前说明为准。