Whisper-WebUI视频翻译字幕生成一键整合包

Whisper-WebUI 是一款基于 OpenAI Whisper 语音识别模型的开源桌面应用。

它提供了一个图形化用户界面，旨在简化音视频内容的转录流程，能够自动生成带时间戳的字幕文件。 该工具支持多种输入源，包括本地音视频文件、YouTube 视频链接以及麦克风实时录音。

此外，它还集成了文本翻译和背景音乐分离等辅助功能，为用户提供了一套完整的音频处理解决方案。

文件（File）：处理本地音视频文件。

YouTube：处理 YouTube 视频链接。

麦克风（Mic）：进行实时语音录制与转录。

T2T 翻译（T2T Translation）：翻译字幕文件。

BGM 分离（BGM Separation）：分离音轨中的人声和背景音乐。

本地音视频转录文字（File）

点击上传区域，选择需要处理的音视频文件。 

在模型（Model）下拉菜单中选择转录模型（例如，V3 模型在准确性上表现更优）。 

在语言（Language）菜单中指定源文件的语言。 

选择期望的文件格式（File Format），如 SRT。 

点击生成字幕文件（GENERATE SUBTITLE FILE）。

任务完成后，可在左侧预览窗口查看结果，支持将字幕文件保存至本地。

YouTube 视频转录（YouTube）

将目标 YouTube 视频的 URL 粘贴到输入框中。 Whisper-WebUI 将自动识别视频的封面、题目和视频简介。

1. 上传需要处理的音频文件。
2. 根据硬件情况选择设备（Device），如使用 NVIDIA 显卡可选择 CUDA。 
3. 选择分离模型，分段大小默认 。
4. 点击分离背景音乐（SEPARATE BACKGROUNS MUSIC）。

处理完成后，可下载分离出的人声和背景音文件。