whisperer最新版

Whisperer 是一款基于 OpenAI Whisper 模型的开源图形界面工具，专为批量生成高质量字幕而设计。作为 videer 的姊妹项目，它继承了成熟的队列管理和预设工作流，并针对语音转文本场景进行了深度优化。

无论是个人创作者还是专业后期，Whisperer 都能通过拖拽操作、多引擎支持和智能纠错机制，将繁琐的字幕制作流程简化为“拖入文件 → 选择模型 → 点击开始”的三步体验。

核心亮点

• 双引擎驱动：内置 faster-whisper (CTranslate2) 支持 CPU/NVIDIA CUDA；同时兼容外部 whisper.cpp 二进制文件，支持 Vulkan/Metal/CUDA 加速。
• 抗幻觉多遍验证：默认进行 3 遍解码，仅保留各次结果一致的内容。自动丢弃静音处的“感谢观看”等幻觉文本，恢复被跳过的真实语音。
• 智能时间轴吸附：结合 Silero VAD 和词级时间戳，将字幕提示点精准吸附到语音起止点，避免字幕提前出现或在静音处逗留。
• 灵活交付模式：支持导出 .srt/.vtt/.ass/.sub/.txt/.json 文件，或将字幕作为软轨道嵌入视频（无重编码），甚至直接硬编码烧录到画面中。
• 现有字幕重同步：内置 SubSync 算法，可将已有的 .srt/.vtt/.ass/.sub 文件与音频重新对齐，稳健拟合偏移量和播放速度，完美修复音画不同步问题。
• 实时交互反馈：支持运行时动态添加文件、拖拽排序、暂停/恢复；提供实时转录面板和详细的进度/ETA/速度监控。

智能纠错与排版优化

Whisperer 不仅仅是转录工具，更是一套完整的字幕后处理管线：

系统要求与 GPU 加速

• 基础环境：Python 3.9+ 或直接使用预构建二进制文件（Windows/Linux/macOS）。
• 依赖：FFmpeg（用于音频提取、时长读取和字幕嵌入）。
• NVIDIA GPU 加速：
  • faster-whisper 支持 CUDA 12 + cuBLAS 12 + cuDNN 9。
  • 预构建版提供一键下载 CUDA 库功能，无需手动配置环境变量。
  • 中端显卡运行 large-v3-turbo 可达 10-30× 实时速度。
• Apple Silicon：推荐使用 whisper.cpp 的 Metal 构建以获得最佳性能。

模型选择指南

💡 提示：所有模型尺寸（含 distil-large-v3、语言微调版）均可在下拉菜单中选择或通过编辑 models.json 扩展。

输出与交付

• 命名规范：自动生成 video.en.srt 格式文件名，便于播放器自动加载。
• 嵌入软字幕：选择 “Embed in the video” 可生成带可切换字幕轨的 .mkv/.mp4，采用流复制技术，秒级完成且无画质损失。
• 硬编码烧录：选择 “Hardcode into the video” 将字幕永久绘制到画面，适用于不支持字幕轨的平台，需完整重编码。
• 样式保留：重同步 ASS/MicroDVD 文件时，默认保留原有样式、定位标签和特效，仅重写时间轴。

⚠️ Windows 安全提示

由于项目尚未完成代码签名，Windows SmartScreen 可能会拦截运行。这属于未签名开源软件的正常现象：

1. 点击“更多信息” → “仍要运行”。
2. 若从 ZIP 解压，可在 PowerShell 执行 Unblock-File .\whisperer\* 解除网络标记。
3. 每个发布版均附带 .sha256 校验文件，请务必验证完整性。
4. 若被 Defender 误报隔离，请通过微软官方渠道提交误报反馈。