WhisperX Online
ZH
DeutschEnglishEspañolFrançaisPortuguês (Brasil)Русский日本語한국어繁體中文

WhisperX · 線上 · 免費 · 隱私

WhisperX 線上版：帶逐字時間戳記的語音轉文字

拖入音訊或影片檔，即可取得每個字詞都有時間戳記、標示語者並附 SRT/VTT 字幕的逐字稿——不需要 Python、不需設定 GPU，也不需要 Hugging Face 權杖。全部在您的瀏覽器中執行，檔案不會上傳。

透過 WebGPU 或 WebAssembly 完全在瀏覽器中執行。模型只需下載一次（40 MB 至 800 MB），之後會被快取。免費：最長 15 分鐘、逐字時間戳記、所有匯出格式。

  • 不上傳
  • 逐字時間戳記
  • 語者辨識
  • SRT · VTT · JSON

什麼是 WhisperX？

WhisperX 是以 OpenAI Whisper 為基礎的開源語音辨識流程，加入了精確的逐字時間戳記與語者辨識。由牛津大學的 Max Bain 等人開發，論文發表於 Interspeech 2023。它結合了以 faster-whisper 進行的批次轉錄、以 wav2vec2 模型進行的字詞對齊，以及以 pyannote-audio 標示語者。自行使用需要 Python、最好有 NVIDIA GPU，語者辨識還需要 Hugging Face 權杖。這個頁面讓您不必準備這些就能取得結果。

使用教學

  1. 拖入檔案：音訊（MP3、WAV、M4A）或影片（MP4、MOV、WEBM）。瀏覽器會擷取音軌，不會上傳任何內容。
  2. 選擇模型與語言：tiny、base、small 免費；large-v3-turbo 最準確。
  3. 開始轉錄：有 WebGPU 時通常比即時播放更快；沒有 WebGPU 也能以 CPU 模式執行，只是較慢。
  4. 檢查並匯出：點擊字詞即可跳到該處播放。可下載 TXT、SRT、VTT，或 WhisperX 輸出格式的 JSON。

免費版與 Pro

免費：Whisper tiny、base、small，最長 15 分鐘的檔案、逐字時間戳記與所有匯出格式。Pro（Answer the Web 的 Webtools Pro）：另外提供 large-v3-turbo、語者辨識與長時間錄音。處理一律在本機進行。

安裝 WhisperX

若要在自己的電腦上執行原版 WhisperX：

pip install whisperx
whisperx audio.mp3 --model large-v3 --output_format srt
whisperx audio.mp3 --model large-v3 --diarize --hf_token YOUR_HF_TOKEN

github.com/m-bain/whisperX · WhisperX vs Whisper vs faster-whisper (EN)

常見問題

WhisperX 可以做什麼？
它先用 Whisper 轉錄語音，再把每個字詞對齊到音訊上，讓每個字詞都有精確的開始與結束時間，也能辨識不同語者。很適合字幕、訪談與 Podcast。
Whisper 和 WhisperX 有什麼不同？
Whisper 產生帶有粗略時間戳記的文字。WhisperX 另外加入語音活動偵測、更快的批次處理、精確的逐字對齊與語者辨識。
WhisperX 免費嗎？
是的。WhisperX 以 BSD-2-Clause 授權開源，可免費使用，包括商業用途。WhisperX Online 對 15 分鐘以內的檔案免費。
我的音訊會被上傳嗎？
不會。檔案在瀏覽器中讀取與轉錄，只有模型檔案會從 Hugging Face 下載。
這是 WhisperX 的官方網站嗎？
不是。WhisperX Online 是 Answer the Web 的獨立介面。官方專案位於 github.com/m-bain/whisperX。