转写

说话人分离，让转写文本标明谁说了什么。时间戳，便于在录音中找到某句话。长音频处理，因为一小时的音频和一句话是完全不同的问题。摘要和待办事项，因为没人会读完整的会议转写文本。从文件和链接导入，包括视频。

这些都不能帮你更快地写电子邮件。听写工具把精力花在别处：延迟、在光标处格式化、在每个App中都能工作，以及在终端中正常表现。

如果你的录音已经存在，你需要的是转写工具。在Mac上，MacWhisper和Superwhisper都能在本地转写文件；Otter.ai在云端转写会议，并提供说话人标签和摘要。如果你在构思写作，你需要的是听写。有些人两者都需要，而两个专注的工具往往胜过一个勉强兼顾的工具。

macOS自带的“语音备忘录”App可以显示录音的转写文本。Apple指出，音频转写并非在所有国家或地区都可用，所以你的Mac上可能没有这个按钮。

1. 01 在Mac上打开“语音备忘录”App。
2. 02 点按你想阅读的录音。
3. 03 点按“听写文本”按钮查看转写文本。
4. 04 选择你想要的文本，按住Control键点按它，然后选取“拷贝”。
5. 05 将文本粘贴到“邮件”、文稿或任何其他App中。
6. 06 若要按说过的内容查找录音，请在搜索栏中输入这些词。“语音备忘录”会显示标题或转写文本中包含这些文字的录音。

Whisper是一个开源的语音识别模型，其代码和模型权重以MIT许可证发布。它附带一个命令行工具，可以接收音频文件并返回文本。该项目列出的兼容版本为Python 3.8到3.11，并且需要ffmpeg工具来读取音频。

1. 01 打开“终端”。
2. 02 安装ffmpeg。使用Homebrew的命令是：brew install ffmpeg
3. 03 用以下命令安装Whisper：pip install -U openai-whisper
4. 04 用以下命令对文件运行它：whisper audio.mp3 --model turbo
5. 05 如果你知道录音的语言，请指定它，例如：whisper japanese.wav --language Japanese
6. 06 若要从其他语言的语音得到英文文本，请添加--task translate，并选择turbo以外的模型，例如--model medium。

这取决于录音和模型。使用Whisper时，你可以自己选择取舍。该项目发布了六种尺寸，从3900万参数的tiny到15.5亿参数的large，并将tiny的速度评为large的大约十倍。turbo模型有8.09亿参数，速度约为large的八倍。

长文件不会一次处理完。Whisper会读取整个文件，并用一个30秒的滑动窗口处理它，因此某一段的错误不一定会影响其余部分。无论使用哪种工具，可靠的检验方法都一样：挑出几分钟重要的内容，播放出来，对照转写文本阅读，然后再信任整份文稿。