CrisperWhisper

收录理由

多数转写工具会把口误和停顿悄悄抹平，只留下一个干净但未必真实的文本。CrisperWhisper 反其道而行，它既能逐字转写，把语气词和发声事件都标出来，也能输出整理过的版本，让数字、日期、邮箱按书写习惯排版。逐词时间戳的边界误差大约在 30 到 40 毫秒之间，对齐这类精细活儿够用了。Verbatimize 模式尤其适合手里已有可靠干净转写的团队：把原始音频和那份干净文本一起喂进去，模型就能把口语中的不流畅原样还原，这在准备 TTS 数据、做临床语音分析，或者把现有干净语料改造成逐字数据集时都很有价值。它覆盖 Whisper 支持的大部分语言，处理长录音也不会出现常见的分段接缝痕迹，直接可以嵌进生产级转写流程，而不只是停留在演示阶段。