这是一个离线运行的本地语音识别转文字工具，基于 fast-whipser 开源模型，可将视频/音频中的人类声音识别并转为文字，可输出json格式、srt字幕带时间戳格式、纯文字格式。
fast-whisper 开源模型有 tiny/base/small/medium/large-v3, 内置 tiny 模型，tiny->large-v3识别效果越来越好，但所需计算机资源也更多，根据需要可自行下载后解压到 models 目录下即可。
下载后解压到某处，比如 E:/stt
双击 start.exe ，等待自动打开浏览器窗口即可
点击页面中的上传区域，在弹窗中找到想识别的音频或视频文件，或直接拖拽音频视频文件到上传区域，然后选择发生语言、文本输出格式、所用模型，点击“立即开始识别”，稍等片刻，底部文本框中会以所选格式显示识别结果
如果没有英伟达显卡或未配置好CUDA环境，不要使用 large/large-v3 模型，可能导致内存耗尽死机
中文在某些情况下会输出繁体字
有时会遇到“cublasxx.dll不存在”的错误，此时需要下载 cuBLAS，然后将dll文件复制到系统目录下，，解压后将里面的dll文件复制到 C:/Windows/System32下
如果控制台出现”[W:onnxruntime:Default, onnxruntime_pybind_state.cc:1983 onnxruntime::python::CreateInferencePybindStateModule] Init provider bridge failed.”, 可忽略，不影响使用
默认使用 cpu 运算，如果确定使用英伟达显卡，并且配置好了cuda环境，请修改 set.ini 中 devtype=cpu为 devtype=cuda,并重新启动，可使用cuda加速
尚未执行完毕就闪退
如果启用了cuda并且电脑已安装好了cuda环境，但没有手动安装配置过cudnn，那么会出现该问题，去安装和cuda匹配的cudnn。比如你安装了cuda12.3，那么就需要下载cudnn for cuda12.x压缩包，然后解压后里面的3个文件夹复制到cuda安装目录下。具体教程参考https://juejin.cn/post/7318704408727519270
如果cudnn按照教程安装好了仍闪退，那么极大概率是GPU显存不足，可以改为使用 medium模型，显存不足8G时，尽量避免使用largev-3模型，尤其是视频大于20M时，否则可能显存不足而崩溃
转载请说明出处！如内容无法下载/内容错误/版权问题，请联系管理员》内容投诉《版权免责声明
1. 本店所有内容均由网络公开发布渠道收集整理而来，该资料仅作为阅读交流使用，并无任何商业目的，所有资料仅供学习交流，严禁用于商业用途。不得违反国家法律。否则后果自负！
2.任何访问、浏览本站、购买或未购买的人，就代表已阅读，理解并同意遵守本声明条款
3.内容来源：本站所有内容均来自网络公开渠道收集整理。若版权方、出版社认为本站侵权，请立即通知本站》 内容投诉《提供相关证实材料，如版权属实，本站将在24小时内下架相关宝贝，谢谢！
4.宝贝所标识的价格，是对本站收集整理资料以及本站运营支付的适当补偿，资料索取者应尊重版权方的知识产权，谢谢！
5. 如有链接无法下载、失效或广告，请联系管理员处理！
6.资源属于可复制的产品，无任何理由退款！
