SoftWhisper最新版

SoftWhisper 是一款基于 Whisper.cpp 的音频/视频转录工具，能够将音频或视频中的语音内容快速转换为文字。其最大特点是兼容性极强，支持所有主流平台，包括 Windows、Linux 和 macOS。此外，SoftWhisper 的性能也非常出色，官方宣称可以在大约 2-3 分钟内完成 2 小时音频的转录，相比传统的 Whisper API，效率大幅提升。

开发背景

在开发 SoftWhisper 之前，作者对之前版本的应用程序性能和可访问性感到不满。之前的实现过于依赖 CUDA，导致 AMD 用户需要安装特定的 Pytorch 包，但安装过程复杂且效果不佳。

为了解决这一问题，作者尝试创建了一个 ZLUDA 分支来模拟 CUDA，但遗憾的是，现有的 ZLUDA 实现并不支持 Pytorch。在进一步研究后，作者发现了 Whisper.cpp，这是一个用纯 C++ 重新实现 OpenAI Whisper API 的项目，依赖项极少。它可以通过 Vulkan 结合 CPU 和 GPU 加速，并且在 Linux 上可以轻松编译。经过测试，Whisper.cpp 在作者的硬件上表现优异：仅需 2-3 分钟即可完成 2 小时音频的转录，而传统的多进程 Whisper API 转录 20-30 分钟的音频需要约 40 分钟。

安装步骤

Windows 系统

1. 下载并解压 SoftWhisper 项目文件。
2. 双击运行 SoftWhisper.bat 文件。
3. 如果系统提示缺少依赖项，请根据提示进行安装。
4. 如果自动安装失败，可以手动运行以下命令安装依赖项：

pip install -r requirements.txt

已知问题

尽管 SoftWhisper 的性能非常出色，但当前版本仍存在一些问题：

1. 代码量较大：软件的代码量比预期多，作者计划在未来版本中优化。
2. 说话人识别功能缺失：当前版本未能成功实现说话人识别功能，因此该功能已禁用并从界面中移除。
3. 视频加载延迟：选择新视频时，视频不会立即加载，需要按下播放按钮才能完成加载。