1. 背景
- 把视频或语音转录成文本，以及实时转录的软件有非常多，许多商业公司开发的软件前期都免费，但后期开始收费，如科大讯飞、剪映、网易见外等。
- 现在手机大部分支持录音转文本，但是录音很占内存，有时使用电脑处理更方便。
2. Windows自带转录功能
如果想要马上上手，可以使用Windows给视频/音频添加同步字幕的软件（快捷键：Windows+Ctrl+L），以及实时转换语音成文本的软件（快捷键：Windows+H）
3. 离线转录软件Whisper/Buzz
3.1. 简介Whisper/Buzz
- Open AI在2022年9月21日开源了号称其英文语音辨识能力已达到人类水准的Whisper神经网络，且它亦支持其它99种语言的自动语音辨识。
- Whisper系统所提供的自动语音辨识（Automatic Speech Recognition，ASR）模型是被训练来运行语音辨识与翻译任务的，它们能将各种语言的语音变成文本，也能将这些文本翻译成英文。
- 但是Whisper的安装和配置稍微复杂，可以用其他基于Whisper开发的软件替代，比如Buzz。
- Buzz是一款可以离线运行的语音识别软件。它有两个模式，一个是录音转文字，一个是实时语音识别，同时还支持翻译。它的底层还是使用的whisper的语音识别功能。
3.2. Buzz下载
- Buzz可在github下载，https://github.com/chidiwilliams/buzz，支持Windows、Mac、Linux等系统。
- Window系统下载exe文件，双击安装即可使用。
- 第一次转录的时候会下载模型，下载完后即可离线运行。
3.3. 使用步骤
Buzz支持转录视频/音频文件成文本，也支持实时转录。如果要转录视频/音频，点击加号来导入音频/视频文件。如果要实时转录，点击话筒符号。
- 点击”File”,再点击”Import File”，导入音频或者视频文件。或者点击话筒符号进行实时转录。
- 然后在对话框中选择
- 模型（Whisper/Whisper.cpp/Faster Whisper/Hugging Face/Open AI Whisper API）
- Whisper模型包括：Large-V3-Turbo,Large-V3,Large-V2,Large,Medium,Small,Base,Tiny），模型越大消耗的CPU和GPU越多，转录速度越快。
- 任务（转录Transcribe/翻译Translate）
- 语言（English、Chinese等99种语言，也可以让模型检测语言）
- 高级设置中还可以选择启动AI翻译，支持gpt-3.5-turbo等模型
- 并支持选择逐词识别
- 导出文件支持TXT,SRT,VTT格式。SRT是具有时间戳的文本文件，是常见的字幕文件格式。用PotPlayer等视频播放器导入SRT文件即可显示字幕。
- 转录结束后，会自动保存到视频/音频文件所在目录下。或者点击双箭头符号，可以手动保存文本文件。
- 欢迎关注微信公众号：生信技工
- 公众号主要分享生信分析、生信软件、基因组学、转录组学、植物进化、生物学概念等相关内容，包括生物信息学工具的基本原理、操作步骤和学习心得。
