WhisperJAV

收录理由

WhisperJAV 针对的是一个具体且棘手的问题：让语音转文字在日语成人视频上真正可用，而通用 ASR 模型在此场景下常常严重失灵。这类音频时长长、噪声大，充斥着耳语、喘息和戏剧化的发声，很容易把标准 Whisper 带偏，输出一堆无意义的文本。项目把 Faster-Whisper、OpenAI Whisper、Qwen3-ASR 以及针对动漫调优的变体等多种后端整合到同一条处理链路里，额外加入场景切分、语音活动检测和幻觉过滤，最后才生成带时间戳的字幕。它同时提供图形界面和命令行工具，解耦后的 ChronosJAV 流程可以接入任何能把音频转成文本的模型。如果你曾为日语对话在原生 Whisper 上反复踩坑，这套方案是对失效模式的扎实工程化修补，而不是简单套一层壳。