本次分享的是基于FunASR制作的中英文音频视频语音识别转文字软件,本人二次开发优化后的V3版本语音识别转文字软件windows电脑版
整合包更新说明:
V3版本更新内容如下:
音视频文件识别版:
1、优化字幕生成算法,生成的字幕时间戳更准确,
2、新增批量识别功能,可将选定的文件夹内的音频视频文件依次进行识别,
3、新增热词定制功能,医疗、法律或其它技术领域中很多陌生冷门词,热词定制功能可自行设置热词,更好的提高了语音识别的准确率
4、默认导出类型为txt文本和srt字幕格式
2025-09-11版本更新内容
删除谷歌翻译,新增支持在线大语言模型翻译功能
代码优化,处理时间缩短至原来的四分之一
重做UI操作界面
FunASR语音识别转文字软件介绍
本软件识别中文效果优于OpenAI的whisper,但多语言识别能力不足。

本软件基于FunASR模块及paraformer-zh模型开发制作
FunASR 是一款基础语音识别工具包,提供多种功能,包括语音识别 (ASR)、语音活动检测 (VAD)、标点符号恢复、语言模型、说话人验证、说话人分类和多说话人自动语音识别 (ASR)。
paraformer-zh模型:训练数据60000小时普通话,参数2.2亿
整合包用法:
将网盘内的软件压缩包下载到本地电脑上并解压,双击运行启动软件.bat。
第一次运行会慢些,需要耐心等待,只要没有输出报错,就一直等着,具体时间由个人电脑配置决定。
软件启动成功后会自动打开webui界面。点击按钮上传待处理文件,或是将音视频文件鼠标左键按住拖入左侧的文件输入框内,然后点击【开始处理】按钮,即可开始识别转换音视频文件。
如果需要将识别结果翻译成其它语言的话,可以选择翻译功能,支持百度翻译和在线大语言模型翻译。
如果选择百度翻译,先申请百度翻译API,申请教程请看《最新百度翻译api免费申请AppId和AppSecret流程,每月免费100万字符》
如果选择在线大语言模型翻译,类OPENAI的api都可以使用。模型名,BASE URL,API KEY根据实际使用情况填写即可,如果你还没有API的话,可以点击下方链接申请免费deepseek api。
还没有账号就直接注册一个就可以,新用户赠送50万tokens和10元赠金,算下来有不少tokens可用
各输入框按实际情况填写即可,如
模型名:deepseek-ai/DeepSeek-V3-0324
Base URL:https://api.modelverse.cn/v1
API KEY:你的api key
如果想使用本地大语言模型ollama的话,可以按以下方式填写。
模型名:如,gemma3:4b
Base URL:http://127.0.0.1:11434/v1
API KEY:随便填,如,a
热词就是辅助软件识别音频内容的,比如伊卡,音频里出现这个词,但是是生僻词,软件不懂。你可以把这个词填入hot_words.txt内,软件再次遇到这个发音的时候就会识别成伊卡这个词,非常适合某些领域专有名词识别。热词每行一个,在线使用的话,可以把热词直接填入输入框内,每行一个词。
视频教程和效果演示:https://nuowa.net/1729
注意事项:
本软件只支持识别中英文,不支持识别其它语言
软件运行路径中不要出现中文及空格,否则会报错
软件只支持处理wav、mp3、mp4、mkv格式文件
本地整合包只支持Windows 10或11系统
软件对英伟达显卡要求不高,运行时显存消耗1G,使用前先更新英伟达显卡驱动
如果音频中有音乐、音效或其它无法识别的特殊声音,可能会导致识别失败报错终止,如果报错的话就看是哪个文件引发错误的,可跳过该文件,或是用faster-whisper处理这个文件
语音识别转文字软件下载链接:
https://pan.quark.cn/s/8327dfd8a5b1
在线一键启动
如果你没有windows电脑,或是没有英伟达显卡,或是英伟达显卡配置太低用不了,可以使用我制作的在线一键启动云镜像,无需配置环境,对本地电脑没有任何要求。
同类软件推荐
适用于英文等语言的语音识别转文字软件faster-whisper:https://nuowa.net/1599
实时语音识别:https://nuowa.net/1675
相关推荐
最近更新

无限长度的数字人对话视频生成软件InfiniteTalk整合包,图像转视频、视频配音对口型工具
InfiniteTalk是一款发布不久的数字人视频制作软件,软件可以通过音频驱动将一张图片合成为一段视频,或是将视频与音频整合成一段新视频,实现音频唇形同步,是一个非常强大的对口型工具。 InfiniteTalk官方介绍 我们提出了一种新颖...

UV包管理器用法基础教程
UV是一个用 Rust 编写的高性能工具,旨在替代 Python 传统的包管理工具链,速度比 pip 和 Conda 快数十甚至上百倍。 安装 uv 你可以通过一条命令安装 uv: 安装后,...

一句话编辑图片工具OmniGen2整合包下载,输入文本快速P图
和大家分享一个高效强大的一句话P图软件OmniGen2,这个软件可以通过输入一段描述词然后直接对图片内容进行修改,就像PS修图一样,但是操作起来更简单方便。我基于当前最新版本制作了windows版免安装一键启动整合包。 OmniGen2官方...

Wan2.2-S2V-14B:音频驱动图片转视频生成本地整合包及在线一键启动
Wan2.2-S2V-14B是阿里通义团队开源的一个视频生成模型,可以通过音频驱动将图片合成为一段人物讲话视频,人物讲话内容就是音频素材内容。同时支持cosyvoice声音克隆的文字转语音合成。 Wan2.2-S2V-14B官方介绍 Wan...

pixi包管理器简易教程系列:pypi方法安装pytorch
pytorch可以从conda-forge安装,也可以从Pypi安装,看到目前官方页面上安装命令里已经不提供conda的安装命令了,只有pip命令,所以这里用pypi方式安装。 打开项目文件夹内的pixi.toml文件,添加下面命令要求 执...

pixi包管理器简易教程系列:入门之创建项目及激活虚拟环境
pixi是新一代包管理和环境管理工具,安装python依赖包非常快,用了几次感觉还不错,记录一下个人学习使用pixi的一些经验。 Linux系统安装pixi方法 或是 wget -qO- https://pixi.sh/install.sh...

comfyui视频人物换主体工作流及模型下载
本次分享一个好玩的视频人物换主体工作流,本工作流可以使用一张图片中的主体替换视频中的人物主体。比如抖音上很多热门的猴子炒饭,奥特曼炒饭,猴子vlog等等,都可以使用人物主体替换把原来视频中的人物替换成指定的人物。 comfyui工作流节点使...

github.com镜像加速网站,解决无法访问下载速度慢的问题
github.com是全球最大的开源社区,上面有着大量的优秀的开源应用。特别是当前AI极速发展,各种AI应用层出不穷,极大的方便了我们生活办公。但是由于网络原因,有时候github.com从国内可能无法访问,要么就访问速度极慢,不能方便快捷...

comfyui工作流软件官方原版windows版一键启动整合包下载
comfyui是目前非常热门的一个应用,它使python应用可以图形化以节点的方式直接拖拽使用,使用起来非常方便,而且可以与其他python应用节点配合使用,大大丰富了comfyui的功能,而且网上大量平台可以下载到各种的comfyui工作...

视频人物动作迁移wan2.1 VACE comfyUI工作流及模型下载,一键人物动作复刻
本次分享一个非常好玩的视频人物动作迁移comfyui工作流,可以通过文生视频或图片转视频将视频素材中的人物动作复制到新生成的视频人物中,视频生成模型主要使用了wan2.1 VACE模型。 comfyui工作流节点使用说明 首先打开网盘链接将...