项目简介
Whisper GUI 是一个基于 OpenAI Whisper 开源模型的桌面端字幕生成工具，支持音视频转录、多格式字幕导出、简体中文转换、批量处理和实时进度显示。
音视频转录
SRT/TXT/VTT/JSON
简体中文转换
批量处理
实时进度
模型管理
效果图
技术栈
GUI 框架
PySide6 / Qt for Python
语音识别
OpenAI Whisper
音频处理
FFmpeg + MoviePy
中文转换
OpenCC 繁简转换
系统监控
psutil
打包工具
PyInstaller
核心功能
音视频转录
支持 MP4、MOV、MKV、AVI、FLV、WAV、MP3 等常见格式。
多格式导出
支持 SRT、TXT、VTT、JSON 四种字幕格式输出。
简体中文转换
自动将繁体中文转换为简体中文，适用于港台腔音视频。
批量处理
支持选择目录批量处理多个音视频文件。
实时进度
转录过程实时显示进度条和日志输出。
系统监控
实时显示进程和系统内存、CPU 占用率。
辅助功能
- 模型管理：自动扫描
model/目录，下拉选择已有模型。 - 调试模式：开启后输出详细日志文件，支持日志轮转。
- 单实例运行：防止重复启动，再次打开时激活已有窗口。
- 全局异常捕获：未处理异常自动记录 crash log 并弹窗提示。
- 设置持久化：自动记忆输出格式、调试开关、简体转换、模型选择等配置。
- 启动画面：优雅的 Splash Screen，展示加载进度。
快速开始
环境要求
- Windows 10 及以上 64 位。
- Python 3.8+。
- 最低 4GB 内存，推荐 8GB+。
安装依赖
pip install -r requirements.txt主要依赖：
PySide6>=6.5.0
openai-whisper
moviepy
opencc-python-reimplemented
psutil运行
python main.py模型下载
首次使用前，需要下载 Whisper 模型文件，放到项目 model/ 目录下。
- 官方地址：https://github.com/openai/whisper
- 百度网盘：模型下载链接，提取码：
3sb5
模型选择指南
| 模型 | 大小 | 速度 | 推荐场景 |
|---|---|---|---|
| tiny | 39M | 最快 | 快速测试、低端机 |
| base | 74M | 快 | 日常使用、速度优先 |
| small | 244M | 中等 | 平衡之选，推荐入门 |
| medium | 769M | 慢 | 高精度需求 |
| large-v3 | 1.5G | 最慢 | 最高精度、专业场景 |
纯 CPU 推理可用，建议选择 small 或以下模型以获得可接受的等待时间。
使用说明
- 下载模型：将
.pt模型文件放入程序所在目录的model/文件夹。 - 选择文件：点击“选择文件”选择单个音视频，或点击“选择目录”批量导入。
- 选择模型：从下拉框选择已下载的模型文件。
- 设置选项：选择输出格式、是否简体中文输出、是否开启调试模式。
- 开始转录：点击“开始转录”，等待处理完成。
- 查看结果：输出文件与原文件在同一目录，仅扩展名不同。