stt

收录理由

这个工具把语音识别流程完整地跑在本地，基于 faster-whisper 模型，音视频文件无需上传到第三方服务就能转成文字。对于在意数据隐私、或者想省去按分钟计费的 API 开销的团队来说，它在自有硬件上就能达到与 OpenAI 转录接口相近的实用准确率。自带的浏览器界面支持拖拽上传，可以手动指定源语言，模型从 tiny 到 large-v3 都能选，结果可输出为纯文本、JSON 或带时间戳的 SRT 字幕。同一套引擎也通过 HTTP 接口暴露出来，现有代码想替换外部语音识别服务时，直接对接即可。无论是批量给视频内容生成字幕，还是想长期削减转录账单，它都提供了很实在的替代方案。