2.1 · 全平台
支持您的语言的应用
菜单、按钮和消息支持 42 种语言（macOS 和 Linux 上为 39 种）。应用会跟随您的系统语言，或者您可以在高级设置中选择一种。除英语外的每种语言均为机器翻译，并已标明；波斯语、阿拉伯语和希伯来语目前仅在 Windows 上提供。
免费且开源 · BSD-3-Clause · v2.1.0
输入声音。 输出文本。 您的音频保留在您的电脑上。
Whisper Transcriber Suite 完全在您自己的电脑上运行 OpenAI 的 Whisper 模型——通过 faster-whisper、whisper.cpp 或 NVIDIA Parakeet。拖入音频或视频，即可获得带时间轴的转录文本。无云端，无账号，无按分钟计费费用。
- 14种转录格式
- 2,800+迄今下载量
- 0默认音频上传
- $0永久免费
产品导览
一个窗口。六大工具。
拖入文件，选择选项，按下转录。其他一切 —— 队列、下载、实时捕获、语音克隆和局域网共享 —— 都在相邻的标签页中。拖动圆环，或使用箭头。
2.1 中的新功能
2.1 中的新功能。现已支持您的语言。
支持 42 种语言的应用界面、可覆盖至长录音结尾的说话人标签、可抵御断电的文件，以及在每台 Mac 上都能正常运行的在线功能。下方是 2.0 版本的新增功能。
2.1 · 全平台
值得信赖的说话人标签
说话人名称现在可覆盖至长录音的结尾，说话人检测不会再导致转录崩溃，并且在识别说话人旁边，您可以设置有多少人说话（2 到 10 人），而不是将其保留为自动。
2.1 · 全平台
您的工作更安全
转录文本、导出文件和字幕会在替换旧文件之前完全写入磁盘，因此断电不会留下空文件。如果转录任务在写入所有文件后其工作进程停止，该任务将被计为已完成。
2.1 · macOS
每台 Mac 上的在线功能
更新检查、问题报告和其他网络查询不再因证书验证失败而失败。
2.0 · 全平台
速度和剩余时间
转录队列标签页显示每次转录的运行速度以及大致剩余时间，例如约 4.8 倍速，剩 6 分钟。结果卡片会在任务完成时报告速度、模型和设备。
2.0 · 全平台
制作带字幕视频
在下载视频标签页上勾选此项，链接即变为烧录了字幕的 <title>-subbed.mp4：下载、转录和烧录作为一个带有进度且可正常取消的队列任务。下载的视频和转录文本会被保留。
2.0 · 全平台
将转录文本分享为单个网页
将完成的转录文本保存为单个 .html 文件，无需安装或联网即可在任何浏览器中打开：包含时间戳、说话人、章节和搜索框。点击一个词，媒体就会从该处播放。
2.0 · 全平台
离线工作，一目了然
文件下的一个开关可使应用保持离线状态。窗口底部的一行文字会显示连接是否已打开，并且立即验证离线状态会显示测试连接被拒绝。默认情况下会收集使用统计信息，可以在帮助下将其关闭。
2.0 · 全平台
将语音翻译为英语
输出：英语翻译选项使用 Whisper 自带的翻译任务，一步将非英语语音转换为英语字幕。它默认关闭，并且并非适用于所有引擎或模型。
2.0 · macOS
一台像 Mac 的 Mac
应用菜单包含设置（Command-逗号）、跟随 macOS 的浅色和深色模式、系统字体、从访达打开或拖入 Dock 图标的文件，以及应用在后台时任务完成的通知。
2.0 · Windows
任务栏进度和深色标题栏
任务栏按钮会显示进度、排队中和运行中的任务数量，并在任务完成时闪烁。标题栏跟随深色主题，文本在 125% 和 150% 的显示缩放比例下依然清晰。
2.0 · 首次启动
快速入门和示例片段
全新安装时会询问您的语言偏好、选择快速或最佳质量以及文件夹，并在任何下载之前显示模型大小。一段 18 秒的公共领域片段让您在选择自己的文件之前就能看到真实的转录效果。
2.0 版本的新增功能：文本转语音可逐段朗读最多 100,000 个字符的文本，立即更新按钮无需管理员权限即可刷新视频下载器，静默更新条取代了更新对话框。视频平铺选项卡已移除。所有细节都在更新日志中。
功能特性
您对转录工具的一切期待。在您的设备上运行。
faster-whisper · whisper.cpp · Parakeet
本地、私密的转录
默认使用 Whisper large-v3，外加 large-v3-turbo 和 distil-large-v3.5。选择适合您硬件的后端。
14 种格式
您所需的所有转录格式
直接生成在您的输入文件旁边——此外还支持 oTranscribe、ELAN、InqScribe 和 Express Scribe，以满足专业的转录工作流。
麦克风 · 系统音频
实时转录
实时转录麦克风——或本机正在播放的任何声音。在自然停顿处进行切分，确保词语不会被拆散。
逐词时间戳
说话人分离
可选的“识别说话人”步骤，以及用于编辑精确片段的逐词时间戳和时间范围裁剪。
暂停 · 恢复 · 重新运行
批量队列
每个排队和运行中任务的实时状态，每一行都只需一键即可完全控制。
由 yt-dlp 驱动
视频和音频下载
任何 yt-dlp 支持的链接，并可选在完成后自动转录。下载将断点续传而非重新开始。
先测量，后过滤
自适应降噪
先测量每段录音，仅在有效时才进行清理——会检查自身输出，并在误删语音时自动还原。
此外还有 AI 工具（摘要、待办事项、双语 SRT 处理）、可选的离线声音克隆选项卡，以及局域网模式——更多内容请见 README。
工作原理
在您的电脑上运行。您的音频文件将保留在本地。
转录在您自己的电脑上运行。只有在您开启两个可选的云引擎之一时，音频才会上传；只有在您自行连接远程 AI 模型时，转录文本才会发出。
-
01
拖入文件，或粘贴链接
来自磁盘的音频或视频，或任何
yt-dlp可以获取的内容。Tk 界面在主进程中运行并立即将任务加入队列。 -
02
工作进程持有模型
每个任务都在其专属的长期工作进程中运行，该进程将 Whisper 保留在内存中，并通过换行符分隔的 JSON 流式传回进度——因此窗口绝不会卡死。
-
03
转录文件生成在您的文件旁边
每个工作进程的令牌和心跳机制确保了路由的稳健性，让应用能够检测到卡死的工作进程，而不是随之一起卡死。
基于 OpenAI 的 Whisper 语音识别模型构建，通过 faster-whisper、whisper.cpp 或 NVIDIA Parakeet 在本地运行，并使用 yt-dlp 和 FFmpeg 处理媒体。
阅读完整的架构说明分步指南：YouTube 视频转文本 · 视频转 SRT 字幕 · 带说话人标签的转录
下载 · v2.1.0 · 发布于 2026-10-12
立即下载。今晚就开始转录。
所有必需组件均已打包——私密的 Python 运行时、ffmpeg、ffprobe 和 yt-dlp。只有语音模型本身会在之后下载（约 1–3 GB，仅需一次）；此后，无需互联网连接即可进行转录。
Windows 为您推荐
安装程序 .exe
~238 MB
适合大多数用户——标准安装程序，开始菜单快捷方式，原地升级。该应用未进行代码签名，因此 Windows SmartScreen 可能会提示一次警告：更多信息 → 仍要运行。
获取安装程序Windows 便携版
便携版 .zip
~360 MB
解压即用。无需安装，无需管理员权限，可在 U 盘上运行。
获取 ZIPmacOS 为你推荐
磁盘映像 .dmg
~275 MB · ~333 MB
最简单的方法：在终端中输入一行命令 —— 自动选择合适的版本并跳过安全警告。或者下载 Apple Silicon 或 Intel 的磁盘映像。
一行命令安装Linux 和源码 为你推荐
从源码构建
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 —— 一行命令安装
粘贴到终端即可。
下载适合你 Mac 的版本（macOS 14+ 为 Apple Silicon，否则通过 Rosetta 运行 Intel 版），将应用复制到 Applications 并打开。通过 curl 获取的文件不会被隔离，因此无需点击跳过“未知开发者”的警告。
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"想用常规方式？打开 .dmg 并将应用拖入“应用程序”；首次启动需要右键点击 → 打开（macOS 14 及更早版本）或系统设置 → 隐私与安全性 → 仍要打开（macOS 15+）。
每个版本及其说明都在 GitHub Releases 上。安装指南。
对比
它与其他 Whisper 应用相比如何？
Whisper Transcriber Suite 是几款可在你自己的电脑上进行转录的免费开源桌面应用之一。以下是它与 Subtitle Edit、Vibe 和 Buzz 的对比，包括其他应用更合适的情况。阅读完整对比，其中包含每个事实的来源，以及另外两款应用 noScribe 和 aTrain。
| 功能 | Whisper Transcriber Suite | Subtitle Edit | Vibe | Buzz |
|---|---|---|---|---|
| 价格、许可证 | 免费，BSD-3-Clause | 免费，MIT | 免费，MIT | 免费，MIT |
| 下载 | Windows 安装程序和便携版 ZIP，macOS（Apple silicon、Intel）；Linux 从源码构建 | Windows (x64, ARM64)、macOS、Linux (Flatpak, tar.gz) | Windows、macOS、Linux (.deb, .rpm) | Windows、macOS（1.4.5 是 Intel Mac 的最后一个版本）、Linux (Flatpak, Snap, AppImage)、PyPI |
| GPU 加速 | NVIDIA (CUDA) | NVIDIA (CUDA)、Vulkan | NVIDIA、AMD、Intel (Vulkan / CoreML) | NVIDIA (CUDA)、Apple silicon、Vulkan |
| 已签名的 Windows 安装程序 | 否 | 未说明 | 是，根据其文档 | 否 |
| 界面语言 | 42 种（机器翻译） | 35 | 22 | 16 |
| 适用情况 | 你还需要实时麦克风、视频下载、14 种输出格式，以及带有 OpenAI 兼容路由的局域网模式 | 你需要多种语音引擎（Parakeet、Canary、Qwen3-ASR 等）或经过公证的 Mac 应用 | 你需要文档说明已签名的 Windows 安装程序，或支持 AMD 和 Intel 的 GPU 加速 | 你需要 Linux 软件包（Flatpak、Snap、AppImage）或通过 PyPI 安装 |
常见问题
常见问题解答
还有其他问题？在 GitHub Discussions 中提问。
Whisper Transcriber Suite 是免费的吗？
是的。它采用 BSD-3-Clause 许可，无需订阅，也没有按分钟计费。Whisper 模型本身会在首次启动时下载一次（约 1-3 GB）；此后，转录无需互联网连接即可工作。
它会把我的音频或视频上传到任何地方吗？
默认情况下不会。每个默认后端 —— faster-whisper、whisper.cpp、NVIDIA Parakeet —— 都在你的本机上运行。两个后端是可选的（云端 Gemini-API 后端和 Google Cloud Speech-to-Text），在你自行在“高级” → “后端”中启用之前，它们都会保持关闭。使用情况统计（不含音频和文件名）默认开启，可在“帮助” → “使用情况统计”下关闭；应用每天检查一次 GitHub 以获取新版本，而 文件 → 离线工作 会停止所有网络使用。
它可以在哪些平台上运行？
Windows、macOS 和 Linux。已发布的下载包括 Windows 安装程序、Windows 便携版 ZIP 和 macOS DMG；Linux 从源码运行。
它可以生成哪些转录格式？
srt vtt ass tsv txt json lrc md docx pdf，以及 oTranscribe、ELAN、InqScribe 和 Express Scribe。
它可以标记谁在说话吗？
是 —— 可选的说话人分离（“识别说话人”），带有逐词时间戳和时间范围裁剪。
它可以转录实时麦克风或系统音频吗？
是，在“实时”选项卡中 —— 支持麦克风或系统音频，实时进行转录。
它可以下载并转录在线视频（例如来自 YouTube 的视频）吗？
可以，支持 yt-dlp 支持的任何网站，并带有可选的完成后转录步骤。
它可以总结转录文本、提取待办事项或回答关于它的问题吗？
是，通过转录查看器中可选的“AI 工具”选项卡 —— 摘要、行动项、提问，以及为每个片段生成双语 .srt 的翻译过程。默认关闭。
它可以克隆声音并让它说出新文本吗？
是，通过可选的“克隆你的声音”选项卡，完全在你的机器上使用 OmniVoice (Apache-2.0)。默认关闭；在安装时选择启用，并且你必须确认已获得克隆参考声音的许可。
这与直接调用 Whisper API 有什么不同？
它默认通过 faster-whisper 在本地运行模型，因此没有按分钟计费的 API 成本，音频也不会离开你的设备 —— 除非你明确选择启用两个云端后端之一。
同一网络上的几个人能否在不将其安装到每台机器上的情况下使用它？
是 —— Web/局域网访问模式可将此设备变为一个转录页面，供网络上的其他设备使用。
版本 2.1 有什么新功能？
它可以把视频链接变成带字幕的视频吗？
是。在“下载视频”选项卡上，勾选 生成字幕视频：应用下载视频，使用 Whisper 进行转录，并用 ffmpeg 将字幕烧录进去，生成一个以视频命名的文件，扩展名为 -subbed.mp4。下载的文件和转录文本会被保留，且永远不会替换已有的 -subbed.mp4。
我可以让应用完全断开网络吗？
是。文件 → 离线工作 会停止更新检查、使用情况统计、模型下载和远程 AI 提供商。开启此功能时，窗口底部会显示当前是否建立了连接，而 立即验证离线状态 会显示测试连接被拒绝的情况。关闭此功能时，应用仅在启动时获取在线设置、进行每日更新检查、收集使用情况统计（可在“帮助” → “使用情况统计”下关闭）以及你主动发起下载时连接网络。
我该如何联系该项目？
Bug 和功能请求请提交至 GitHub Issues，问题请发至 Discussions，其他事宜请通过电子邮件联系（地址可在 联系部分 中按需查看）。安全报告请通过 GitHub 的私有漏洞报告渠道提交。
联系与支持
与我们交流。帮助它成长。
电子邮件
新闻、合作或任何非 Bug 报告的事宜。
报告 Bug
GitHub Issues
请附上您的版本、操作系统以及能复现该问题的最小文件。
提问
GitHub Discussions
获取安装帮助、交流想法，并查看其他用户的分享。
支持本项目
Whisper Transcriber Suite 是免费且基于 BSD-3-Clause 许可证的开源项目。如果它为您节省了时间，在 GitHub 上点个星标可以帮助其他人发现它——当然，请喝杯咖啡也总是受欢迎的。