Ang pahinang ito ay nasa iyong wika dahil kung saan ka nagmumula. Tingnan sa Ingles
Libre & open source · BSD-3-Clause · v2.1.0
Tumatakbo ang Whisper Transcriber Suite ng modelong Whisper ng OpenAI nang ganap sa sarili mong computer — sa pamamagitan ng faster-whisper, whisper.cpp o NVIDIA Parakeet. I-drag ang audio o video at makakuha ng may oras na transcript pabalik. Walang cloud, walang account, walang bayad kada minuto.
Tour ng produkto
I-drop ang file, piliin ang iyong mga opsyon, at pindutin ang I-transcribe. Ang lahat ng iba pa — ang pila, mga download, live capture, pag-clone ng boses, at pagbabahagi sa LAN — ay nasa isang tab. I-drag ang ring, o gamitin ang mga arrow.
Bago sa 2.1
Ang app sa 42 wika, mga label ng speaker na umabot hanggang sa dulo ng mahahabang recording, mga file na nakaligtas sa power cut, at mga online feature na gumagana sa bawat Mac. Sa ibaba nito, kung ano ang idinagdag ng 2.0.
2.1 · Lahat ng platform
Ang mga menu, button, at mensahe ay nasa 42 wika (39 sa macOS at Linux). Sinusunod ng app ang wika ng iyong system, o maaari kang pumili ng isa sa Mga advanced na setting. Bawat wika maliban sa Ingles ay machine translation at minarkahan bilang ganito; ang Persian, Arabe, at Hebreo ay inaalok sa Windows sa ngayon.
2.1 · Lahat ng platform
Ang mga pangalan ng speaker ay umabot na ngayon hanggang sa dulo ng mahahabang recording, hindi na makakasira ng transcription ang pag-detect ng speaker, at sa tabi ng Tukuyin ang mga speaker maaari mong itakda kung ilang tao ang nagsasalita (2 hanggang 10) sa halip na iwanan ito sa Auto.
2.1 · Lahat ng platform
Mga transcript, export, at subtitle ay ganap na isusulat sa disk bago palitan ang lumang file, kaya hindi mag-iiwan ng walang laman na file ang isang power cut. Ang isang transcription na ang worker ay huminto pagkatapos isulat ang lahat ng file nito ay itinuturing na tapos.
2.1 · macOS
Ang pag-check ng update, mga ulat ng problema, at iba pang web lookup ay hindi na mabibigo nang may certificate verify failed.
2.0 · Lahat ng platform
Ipinapakita ng tab ng Pila ng Transcription kung gaano kabilis tumakbo ang bawat transcription at halos kung gaano katagal ang natitira, halimbawa mga 4.8x, 6 min na lang. Nag-uulat ang result card ng bilis, model, at device kapag tapos na ang trabaho.
2.0 · Lahat ng platform
Lagyan ng tsek sa tab ng Mag-download ng Video at ang isang link ay magiging <title>-subbed.mp4 kasama ang mga subtitle na nai-burn in: i-download, i-transcribe, at i-burn in bilang isang naka-pilang trabaho na may progress at gumaganang Kanselahin. Ang download at transcript ay pinapanatili.
2.0 · Lahat ng platform
I-save ang isang tapos na transcript bilang isang .html file na magbubukas sa anumang browser nang walang install at walang internet connection: mga timestamp, speaker, kabanata, at isang search box. I-click ang isang salita at magpe-play ang media mula roon.
2.0 · Lahat ng platform
Isang switch sa ilalim ng File ang nagpapanatili sa app na wala sa network. Isang linya sa ibaba ng window ang nagsasabi kung bukas ang isang connection, at ang Suriin ang offline ngayon ay nagpapakita ng mga connection na sinusubok na tinatanggihan. Ang usage statistics ay naka-on bilang default at maaaring i-off sa ilalim ng Tulong.
2.0 · Lahat ng platform
Isang opsyon na Output: salin sa Ingles ang nagbabago ng pananalitang hindi Ingles tungong subtitle sa Ingles sa isang pass, gamit ang sariling translate task ng Whisper. Nakapatay ito bilang default at hindi available para sa lahat ng engine o model.
2.0 · macOS
Isang app menu na may Settings (Command-comma), Light at Dark na sumusunod sa macOS, ang system font, mga file na binuksan mula sa Finder o nilagay sa icon ng Dock, at isang notification kapag tapos na ang trabaho habang nasa background ang app.
2.0 · Windows
Ipinapakita ng taskbar button ang progreso, ang bilang ng mga nakapilang at tumatakbong trabaho, at kumukislap kapag tapos na ang isang trabaho. Sumusunod ang mga title bar sa Dark theme, at mananatiling maliwanag ang text sa 125% at 150% display scaling.
2.0 · Unang pagbukas
Hihilingin ng bagong install ang iyong wika, Mabilis o Pinakamahusay na kalidad, at isang folder, at ipapakita ang laki ng model bago mag-download ng kahit ano. Papayagan ka ng isang 18-segundong public-domain clip na makakita ng tunay na transcript bago ka pumili ng sarili mong file.
Bago rin sa 2.0: Binabasa ng Text to Voice ang mga text na hanggang 100,000 karakter nang piraso-piraso, nagre-refresh ang I-update ito button sa video downloader nang walang administrator rights, at pumapalit ang isang tahimik na update bar sa update dialog. Wala na ang Video Tiling tab. Nasa changelog ang lahat.
Mga feature
faster-whisper · whisper.cpp · Parakeet
Whisper large-v3 bilang default, kasama ang large-v3-turbo at distil-large-v3.5. Piliin ang backend na akma sa iyong hardware.
14 format
Isusulat katabi ng iyong input file — kasama ang oTranscribe, ELAN, InqScribe at Express Scribe para sa mga propesyonal na workflow ng transcript.
Mic · system audio
Tina-transcribe nito ang mikropono — o anumang pinapatugtog ng makina — habang nangyayari ito. Ang mga pagputol ay ginagawa sa mga natural na pag-pause kaya hindi napuputol ang mga salita.
Timestamp kada salita
Opsyonal na "Tukuyin ang mga speaker" pass, kasama ang timestamp kada salita at time-range clipping para sa pag-edit ng mga tumpak na segment.
I-pause · ipagpatuloy · ulitin
Live na status para sa bawat nakabinbing at tumatakbong trabaho, na may buong kontrol sa bawat hilera na laging isang click lang ang layo.
Pinapagana ng yt-dlp
Anumang hinahawakan ng yt-dlp, na may opsyonal na transcribe-on-finish. Nagpapatuloy ang mga download sa halip na mag-restart.
Sinusukat bago i-filter
Sinusukat muna bawat recording at nililinis lamang kapag nakatulong ito — tinitingnan ang sarili nitong output at binabalik kung may natanggal na pananalita.
Kasama ang mga AI tool (mga buod, action items, isang bilingual SRT pass), isang opsyonal na offline voice-cloning tab, at isang local-network mode — higit pa sa README.
Paano ito gumagana
Tumatakbo ang transcription sa sarili mong computer. Ang iyong audio ay naa-upload lamang kung bubuhayin mo ang isa sa dalawang opsyonal na cloud engine, at ang text ng transcript ay lalabas lamang kung ikaw mismo ang kumonekta ng isang remote AI model.
Audio o video mula sa disk, o anumang makuha ng yt-dlp. Tumatakbo ang Tk interface sa main process at nagpapila ng trabaho agad-agad.
Tumatakbo ang bawat trabaho sa sarili nitong long-lived worker subprocess na nag-iingat sa Whisper sa memory at nag-stream ng progreso pabalik sa pamamagitan ng newline-delimited JSON — kaya hindi kailanman na-freeze ang window.
Ang per-worker token at heartbeat ay nagpapanatili ng matibay na routing at nagpapahintulot sa app na matukoy ang na-stuck na worker sa halip na mag-hang kasama nito.
Binuo sa ibabaw ng Whisper speech-recognition model ng OpenAI, na tumatakbo nang lokal sa pamamagitan ng faster-whisper, whisper.cpp o NVIDIA Parakeet, kasama ang yt-dlp at FFmpeg para sa pangangasiwa ng media.
Basahin ang buong architectureMga step-by-step na gabay: YouTube video patungong text · video patungong SRT subtitles · mga transcript na may label ng speaker
I-download · v2.1.0 · inilabas noong 2026-10-12
Lahat ng kailangan ay naka-bundle na — isang pribadong Python runtime, ffmpeg, ffprobe at yt-dlp. Ang model ng pananalita lamang ang magda-download mamaya (mga 1–3 GB, nang isang beses); pagkatapos nito, gagana ang transcription nang walang internet connection.
Windows Inirerekomenda para sa iyo
.exe~238 MB
Karamihan — normal na installer, Simulan-menu shortcut, mga upgrade na in-place. Hindi code-signed ang app, kaya maaaring magbabala nang isang beses ang Windows SmartScreen: More info → Run anyway.
Kunin ang installerWindows portable
.zip~360 MB
I-unzip at i-run. Walang install, walang admin rights, gumagana sa USB stick.
Kunin ang ZIPmacOS Inirerekomenda para sa iyo
.dmg~275 MB · ~333 MB
Pinakamadali: isang linya sa Terminal — pipiliin nito ang tamang build at lalaktawan ang babala sa seguridad. O kunin ang disk image para sa Apple Silicon o Intel.
Pag-install sa isang linyaLinux & source Inirerekomenda para sa iyo
Python 3.11+
git clone https://github.com/Milomilo777/whisper-transcriber-suite.git
cd whisper-transcriber-suite
pip install -r requirements.txt
python gui.py
macOS — pag-install sa isang linya
Nagda-download ng tamang build para sa iyong Mac (Apple Silicon sa macOS 14+, kung hindi Intel sa pamamagitan ng Rosetta), kinokopya ang app papunta sa Applications at binubuksan ito. Hindi nakakarantina ang mga file na nakuha ng curl, kaya walang babala na "unidentified developer" na kailangan mong i-click.
A=x64; [ "$(uname -m)" = arm64 ] && [ "$(sw_vers -productVersion | cut -d. -f1)" -ge 14 ] && A=arm64; curl -fL -o /tmp/wts.dmg "https://github.com/Milomilo777/whisper-transcriber-suite/releases/download/v2.1.0/WhisperTranscriberSuite-v2.1.0-macOS-$A.dmg" && hdiutil attach -nobrowse -quiet -mountpoint /tmp/wts-dmg /tmp/wts.dmg && cp -R "/tmp/wts-dmg/Whisper Transcriber Suite.app" /Applications/ && hdiutil detach -quiet /tmp/wts-dmg && rm /tmp/wts.dmg && open "/Applications/Whisper Transcriber Suite.app"Mas gusto ang karaniwang paraan? Buksan ang .dmg at i-drag ang app papunta sa Applications; ang unang paglulunsad ay nangangailangan ng right-click → Open (macOS 14 at mas luma) o System Settings → Privacy & Security → Open Anyway (macOS 15+).
Lahat ng release, kasama ang mga tala, ay nasa GitHub Releases. Gabay sa pag-install.
Ihambing
Ang Whisper Transcriber Suite ay isa sa ilang libreng, open-source na desktop app na nagta-transcribe sa sarili mong computer. Narito kung paano ito ihinahambing sa Subtitle Edit, Vibe at Buzz, kabilang kung kailan mas angkop ang ibang app. Basahin ang buong paghahambing, na may source para sa bawat katotohanan at dalawa pang app, noScribe at aTrain.
| Katangian | Whisper Transcriber Suite | Subtitle Edit | Vibe | Buzz |
|---|---|---|---|---|
| Presyo, lisensya | Libre, BSD-3-Clause | Libre, MIT | Libre, MIT | Libre, MIT |
| Mga download | Windows installer at portable ZIP, macOS (Apple silicon, Intel); Linux mula sa source | Windows (x64, ARM64), macOS, Linux (Flatpak, tar.gz) | Windows, macOS, Linux (.deb, .rpm) | Windows, macOS (1.4.5 ang huli para sa Intel Macs), Linux (Flatpak, Snap, AppImage), PyPI |
| Pagpapabilis ng GPU | NVIDIA (CUDA) | NVIDIA (CUDA), Vulkan | NVIDIA, AMD, Intel (Vulkan / CoreML) | NVIDIA (CUDA), Apple silicon, Vulkan |
| Naka-sign na Windows installer | Hindi | Hindi nakasaad | Oo, base sa docs nito | Hindi |
| Mga wika ng interface | 42 (machine-translated) | 35 | 22 | 16 |
| Piliin ito kung | Gusto mo rin ng live na mikropono, mga pag-download ng video, 14 na format ng output at isang local-network mode na may OpenAI-compatible na route | Gusto mo ng maraming speech engine (Parakeet, Canary, Qwen3-ASR at higit pa) o isang notarized na Mac app | Gusto mo ng Windows installer na sinasabi sa docs nito ay naka-sign, o GPU support na binanggit ang AMD at Intel | Gusto mo ng mga Linux package (Flatpak, Snap, AppImage) o PyPI install |
FAQ
May iba ka pang naisip? Magtanong sa GitHub Discussions.
Oo. Ito ay may lisensyang BSD-3-Clause, walang subscription at walang bayad kada minuto. Ang modelong Whisper mismo ay magda-download nang isang beses (mga 1-3 GB) sa unang paglunsad; pagkatapos nito, gumagana ang transcription nang walang koneksyon sa internet.
Hindi, hindi bilang default. Bawat default na backend — faster-whisper, whisper.cpp, NVIDIA Parakeet — ay tumatakbo nang lokal sa iyong makina. Dalawang backend ay opt-in lamang (isang cloud Gemini-API backend, at Google Cloud Speech-to-Text), at parehong nananatiling nakapatay hanggang i-enable mo ito sa Advanced → Backend. Ang mga istatistika ng paggamit (walang audio, walang mga pangalan ng file) ay naka-on bilang default at maaaring i-off sa ilalim ng Tulong → Mga istatistika ng paggamit, sinusuri ng app ang GitHub minsan sa isang araw para sa bagong bersyon, at File → Gumana nang offline ang pumipigil sa lahat ng paggamit ng network.
Windows, macOS at Linux. Ang mga nai-publish na download ay isang installer ng Windows, isang portable na ZIP ng Windows, at isang DMG ng macOS; ang Linux ay tumatakbo mula sa source.
srt vtt ass tsv txt json lrc md docx pdf, plus oTranscribe, ELAN, InqScribe at Express Scribe.
Oo — opsyonal na speaker diarisation ("Tukuyin ang mga speaker"), na may per-word na timestamps at time-range clipping.
Oo, mula sa Live tab — isang mikropono o ang system audio, na na-transcribe habang nangyayari ito.
Oo, anumang site na sinusuportahan ng yt-dlp, na may opsyonal na hakbang na transcribe-on-finish.
Oo, sa pamamagitan ng opsyonal na tab ng Mga AI Tool sa transcript viewer — magbuod, mga action item, magtanong, at isang per-segment na translate pass na sumusulat ng bilingual na .srt. Nakapatay ito bilang default.
Oo, sa pamamagitan ng opsyonal na I-clone ang Iyong Boses tab, gamit ang OmniVoice (Apache-2.0) na ganap sa iyong makina. Nakapatay bilang default; mag-opt in sa oras ng pag-install, at kailangan mong kumpirmahin na mayroon kang pahintulot na i-clone ang reference na boses.
Tumatakbo ang modelo nang lokal sa pamamagitan ng faster-whisper bilang default, kaya walang per-minute na gastos sa API at walang audio na lumalabas sa iyong makina — maliban kung tahasan kang mag-opt in sa isa sa dalawang cloud backends.
Oo — ang Web/LAN access mode ay ginagawang pahina ng transcription ang makinang ito na magagamit ng iba pang mga device sa network.
Ang mga menu, button at mensahe ay nasa 42 na wika (machine-translated at minarkahan bilang ganoon); umaabot ang mga label ng speaker hanggang sa dulo ng mahahabang recording at maaari mong itakda kung ilang tao ang nag-uusap; ang mga transcript, export at subtitle ay ganap na isinusulat sa disk bago palitan ang lumang file; gumagana ang mga online feature sa bawat Mac. Nagdagdag ang Version 2.0 ng bilis at natitirang oras ng pila, subtitled video mula sa link, mga transcript bilang isang offline na web page, isang checkable na Gumana nang offline mode at pagsasalin sa Ingles. Tingnan ang Ano ang bago sa 2.1 at ang changelog.
Oo. Sa tab na Mag-download ng Video, lagyan ng tsek ang Gumawa ng video na may subtitle: ida-download ng app ang video, i-transcribe ito gamit ang Whisper at i-burn ang subtitle gamit ang ffmpeg, na lumilikha ng file na ipinangalan sa video na may -subbed.mp4. Pinapanatili ang download at transcript, at ang umiiral na -subbed.mp4 ay hindi kailanman pinapalitan.
Oo. File → Gumana nang offline ang pumipigil sa pag-check ng update, mga istatistika ng paggamit, mga pag-download ng modelo at mga remote AI provider. Habang naka-on ito, isang linya sa ibaba ng window ang nagsasabi kung bukas ang isang koneksyon, at Suriin ang offline ngayon ay nagpapakita ng mga sinusubukang koneksyon na tinatanggihan. Kapag naka-off ito, nakikipag-ugnayan lang ang app sa network para sa mga online setting nito sa startup, ang pang-araw-araw na pag-check ng update, mga istatistika ng paggamit (na maaaring i-off sa ilalim ng Tulong → Mga istatistika ng paggamit) at mga download na sinimulan mo.
Ang mga bug at kahilingan ng feature ay pupunta sa GitHub Issues, ang mga tanong sa Discussions, at anumang iba pa sa pamamagitan ng email (ang address ay ipinapakita kapag hiniiling sa Contact section). Ang mga ulat ng seguridad ay dadaan sa pribadong pag-uulat ng vulnerability ng GitHub.
Pakikipag-ugnayan at suporta
Press, mga partnership, o anumang hindi report ng bug.
Mga isyu sa GitHub
Isama ang iyong bersyon, OS, at ang pinakamaliit na file na muling naglalabas nito.
Mga Talakayan sa GitHub
Tulong sa pag-setup, mga ideya, at mga pagbabahagi ng ibang user.
Libre at lisensyado sa ilalim ng BSD-3-Clause ang Whisper Transcriber Suite, at pinapanatili nang bukas. Kung nakapagtipid ito ng oras mo, ang pagbibigay ng star sa GitHub ay makakatulong sa iba na matagpuan ito — at palaging pinapahalagahan ang kape.
Salamat sa pag-download! Habang nagda-download — kung nakapagtipid ng oras ang app, ang pagbibigay ng ⭐ sa GitHub ay paraan para matagpuan ito ng ibang tao. Isang click, libre.