有播客、录音或语音备忘录的 MP3 文件？将文件拖入免费的 Windows 应用，几分钟内即可获得转录文本。无需上传，无按分钟收费，无文件长度限制。
拖入，等待，复制。适用于任意长度的任何 MP3。
从 StarWhisper 主页获取 Windows 10 或 11 的免费安装程序。设置大约需要两分钟，包括一次性下载 Whisper 模型，以便应用程序在安装后完全离线工作。无需注册，无需信用卡，无需电子邮件确认。
打开 StarWhisper。打开文件资源管理器并找到您的 MP3。将文件拖到 StarWhisper 窗口上。该应用会自动检测语言。如果您愿意，也可以单击“导入”按钮并浏览到该文件。这两种方法产生相同的结果。
StarWhisper 在您的 CPU 或 GPU 上本地处理音频。粗略速度：在现代笔记本电脑 CPU 上大约比实时快 10 倍，在启用了 CUDA 的 NVIDIA GPU 上快 50 倍。一小时的 MP3 在 CPU 上转录大约需要 6 到 12 分钟，在中端 GPU 上需要 1 到 2 分钟。进度实时显示。
处理完成后，转录文本将显示在 StarWhisper 窗口中。将全文复制到剪贴板，将其另存为 .txt 文件，或者在需要交叉引用原始音频时使用可选时间戳导出。粘贴到 Notion、Word、Google 文档、您的 CMS 或任何需要文本的地方。
具体的优势，而非模糊的好处。
Rev 的人工转录每分钟收费 25 美分，AI 转录每分钟收费 10 美分。一集 90 分钟的播客需要 9 到 22.50 美元。StarWhisper 是免费的，准确度与 Rev 的 AI 层相同。
云服务通常限制上传大小（Otter.ai 将免费层限制为每个文件 30 分钟）。StarWhisper 可以处理有声读物、全天会议录音和数小时的采访，没有上限。
MP3、WAV、M4A、OGG、OPUS、FLAC、WMA，以及从 MP4 和其他视频格式中提取音频。无需转换步骤。
默认的本地模式在您自己的 CPU 或 GPU 上运行 Whisper。MP3 在本地解码，在本地转录，结果写入您的驱动器。不上传任何内容。隐私详情。
Whisper 支持 96 种语言，包括所有主要的欧洲、亚洲和中东语言。自动检测语言。语言支持。
NVIDIA GPU 用户安装 CUDA 包后，转录速度跃升约 5 倍。一小时的 MP3 变成两分钟的工作。GPU 加速详情。
MP3 仍然是通用的便携式音频格式。播客发布 MP3 源，讲座以 MP3 下载形式结束，许多录音机将语音备忘录导出为 MP3，而采访和会议录音的历史档案几乎完全以 MP3 形式存在。任何试图读取这些文件内容的人都会遇到同样的问题：Windows 上没有内置的 MP3 转文本工具。
大多数人采取的路径（通常是默认的）是将 MP3 上传到云转录服务。Otter、Trint、Rev、Sonix、Happy Scribe 和 Descript 都提供此功能。它们有效，但有三个缺点：长文件的按分钟费用增加很快，慢速连接上的上传时间和带宽成本，以及敏感录音的隐私问题。第四个缺点比较罕见但更糟：一些服务在免费层有文件大小或文件长度限制，悄悄地限制了您在不付费的情况下实际可以转录的内容。
大多数技术用户发现然后再也回不去的替代方案是本地转录。安装一个小应用程序，拖入 MP3，获取文本。StarWhisper 是最受欢迎的 Windows 选择。该模型是 OpenAI Whisper，这是支持许多云转录服务的相同底层技术；您只需在本地运行它，而不是付费让供应商为您运行它。
来自常见情况的具体数字：
将 60 分钟的 MP3 拖入 StarWhisper。在典型的笔记本电脑 CPU 上等待 6 到 12 分钟，或者使用 NVIDIA GPU 等待 1 到 2 分钟。将生成的 8000 字转录文本复制到您的笔记应用或内容管理系统中。包括设置在内的总时间：首次用户不到 15 分钟，回访用户不到 2 分钟。
拖入 90 分钟的采访 MP3。现代 CPU 上的处理时间：10 到 18 分钟。输出：大约 12000 字的纯文本转录文本。稍作编辑，粘贴到您的草稿文章中。免费；没有按分钟收费，而在 Rev 上这笔转录费用可能需要 9 到 22.50 美元。
拖入一个包含 30 个旧录音的文件夹。StarWhisper 将它们排队。走开一会。回来看到 30 份转录文本，每份都使用匹配的文件名保存。对于将音频数字化的自由职业档案管理员或研究人员来说，这就是取代坐在转录踏板前几周的工作流程。
拖入录制的语音备忘录（通常是手机里的 M4A，但 MP3 也可以）。5 分钟的备忘录在不到一分钟内变成 700 字的文本。对于在散步时捕捉想法然后拥有可搜索记录非常有用。
诚实的数字。在来自高质量麦克风的清晰英语音频（播客、专业采访）上，Whisper 达到大约 95% 到 99% 的准确率。这匹配或击败了 Rev 的 AI 层、Otter 的自动转录以及大多数云服务的标准层。
准确度在以下情况下降：
作为比较，人工转录（Rev 人工层每分钟 25 美分）在清晰音频上的准确率约为 99%，并且在边缘情况下退化较少。权衡在于成本：免费的本地转录以足够发布或搜索的质量处理了 90% 的现实世界 MP3 用例。对于准确度至关重要的其余 10% 的边缘情况，付费的人工转录仍然有其作用。
StarWhisper 不要求您在转录前转换文件。支持的格式：
| 格式 | 常见来源 | 是否支持 |
|---|---|---|
| MP3 | 播客、下载 | 是 |
| WAV | 专业音频、录音室录音 | 是 |
| M4A | iPhone 语音备忘录、Zoom audio_only | 是 |
| AAC | iTunes、某些播客 | 是 |
| OGG / OPUS | WhatsApp、Telegram 语音留言 | 是 |
| FLAC | 无损档案 | 是 |
| WMA | 较旧的 Windows 录音 | 是 |
| MP4（视频） | YouTube、Zoom 视频 | 是，提取音频 |
| MOV / AVI / MKV | 其他视频 | 是，提取音频 |
有关相关的转换工作流程，请参阅专门针对 iPhone 语音备忘录的如何将 M4A 转换为文本，或针对录音室录音的如何将 WAV 转换为文本。
许多 MP3 文件包含人们不希望停留在第三方服务器上的内容。受 NDA 约束的录制采访。客户支持电话。治疗会议录音。带有私人想法的个人语音备忘录。研究人员仅同意进行本地处理的人类受试者录音。调查新闻来源录音。
云转录服务将所有这些上传到他们的基础设施。即使有强大的隐私政策，音频也停留在别人的硬件上。对于上述类别，这通常是不可接受的。
StarWhisper 本地模式将整个管道保留在您的设备上。解码 MP3 在您的 CPU 上进行。Whisper 模型在您的 CPU 或 GPU 上运行。生成的文本写入您的硬盘。除非您选择共享，否则任何内容都不会离开设备。这满足了上述用例的隐私要求，并消除了伴随着敏感内容云转录而来的法律和道德问号。
有关完整的隐私架构详细信息，请参阅隐私和离线架构页面。有关在受监管行业中处理音频的具体信息，请参阅HIPAA 合规常见问题解答、心理治疗师语音转文本页面或研究人员语音转文本页面。
StarWhisper 的免费层每天为您提供 500 个单词，每周 3500 个单词的转录输出。一个典型的 60 分钟 MP3 大约产生 8000 个单词。这意味着一集长剧集就超过了每日免费上限。您仍然可以处理该文件（文件本身没有长度限制），但只有前约 500 个单词会计入今天的免费配额。
对于每隔几天转录一个短 MP3 的临时用户，免费层就足够了。对于经常处理长格式音频（播客创作者、记者、研究人员、内容创作者）的任何人，专业版计划移除了该上限。每月 10 美元或每年 80 美元。完整的专业版详情和定价。免费计划是永久的，没有到期时间，因此您可以在付费前验证工作流程。
免费版和专业版使用相同的 Whisper 模型并生成相同的转录文本。专业版只是移除了字数上限并添加了工作流程功能，如自定义词汇和优先云回退（如果您选择加入）。对于纯粹的 MP3 转文本使用，唯一实际的区别是每日限制。
上述描述的 MP3 工作流程与几份相邻指南的模式相同。如果您的文件是 iPhone 语音备忘录，请参阅如何将 M4A 转换为文本。如果是录制的采访，请参阅如何转录采访。如果是播客剧集，请参阅如何转录播客。如果是 Zoom 通话录音，请参阅Zoom 通话转录指南。如果是布道或讲座，请参阅如何转录布道或如何转录讲座。所有这些都使用相同的拖放流程；只是源音频不同。