专为记者、研究人员、HR 专业人士和法律团队打造的专业采访转录软件。 使用 OpenAI Whisper AI 实时录制并高精度转录采访。完全离线工作，确保敏感对话的私密性。
每位记者、定性研究人员和播客创作者都深谙这种痛点：完成两个小时的采访后，就要面对转录的繁重现实。手动打字需要花费录音时长的三到四倍。基于云端的采访转录软件每分钟收费 $0.15-$0.30，这意味着一段 90 分钟的调查性采访仅转录费就需要 $22-$45，这还是在尚未开始编辑之前。对于每项研究要进行数十次参与者访谈的研究人员来说，这笔账很快就会变得令人望而却步。
但成本只是问题的一部分。更紧迫的挑战在于保密性。举报人、描述敏感事件的创伤幸存者、分享内幕消息的企业内部人士，这些人都没有同意将他们的声音上传到弗吉尼亚州的 AWS 服务器上，交由初创公司的算法来处理。当您使用基于云的转录服务时，情况正是如此。音频会离开您的设备，通过互联网传输，并在处理过程中存放在他人的基础设施上。
对于涉及人类受试者的定性研究，学术机构的 IRB（机构审查委员会）协议越来越倾向于将云端转录标记为数据安全隐患。记者也面临其出版机构法务团队的类似压力。涉及名人嘉宾或企业高管的播客创作者通常签有 NDA（保密协议），这使得上传云端变得复杂。对可靠、私密且高性价比的采访转录软件的需求从未如此迫切，而现有的解决方案也从未如此力不从心。
Otter.ai 和 Trint 收取订阅费，并且对转录时长有严格上限。Rev 按分钟收费提供人工转录，或提供精度较低的 AI 档位。Dragon NaturallySpeaking 是为听写设计的，不适合转录预先录制的对话。这些工具都不能离线工作。它们全都会将您的音频移出您的电脑。大多数定价针对的是企业预算，而不是独立记者或依靠院系津贴运营的研究生。
StarWhisper 基于 OpenAI 的 Whisper 模型构建，这是迄今为止发布的精度最高的开源语音识别系统之一，接受了 680,000 小时多语言音频的训练。关键区别在于，StarWhisper 完全在您的本地 Windows 机器上运行 Whisper，音频永远不会离开您的设备。
由于所有处理都在本地进行，因此没有传输日志，没有服务器端记录，也无需担心第三方数据处理协议。从您录制采访的那一刻起，直到生成文字记录，采访音频始终保留在您的硬盘上。这是在数字工作流程中保护机密消息源的唯一架构上合理的方法。
Pro 方案每月 $10（或每年 $80），即可无限时长转录。一名每周进行 5 次采访的专职记者每年大约会产生 400 小时的音频。云服务商会为此音量收取 $3,600-$7,200 的费用。而 StarWhisper Pro 只需 $120。对于进行 50 名参与者访谈研究的学术研究人员来说，这笔账同样惊人。
StarWhisper 的悬浮小组件允许您直接在 Word、Google Docs、Notion、Scrivener 或您的 CMS 中进行听写。您可以在听写转述的同时重播采访音频，或者使用实时转录功能在新闻发布会或小组讨论中捕捉现场回应。转录文本会直接显示在您正在使用的任何应用程序中。
支持 29+ 种语言，包括西班牙语、法语、德语、普通话、阿拉伯语、日语和葡萄牙语，StarWhisper 可以处理国际采访，无需单独的翻译步骤。Whisper 的多语言模型甚至可以自动检测语言，这对于进行跨国比较研究的研究人员非常有用。
如果您拥有支持 CUDA 的 NVIDIA GPU，StarWhisper 处理预录音频的速度可以显著快于实时速度。使用 large-v3 模型，在主流 GPU 上转录一段 60 分钟的采访大约需要 4-8 分钟。对于需要转录大量采访语料库的研究人员来说，这是一个实质性的颠覆性功能。仅使用 CPU 的机器也可以正常工作，只是稍慢一些。
以下是一位地区报社的调查记者将 StarWhisper 作为主要采访转录软件的实用工作流。
上午 8:30，采访前准备。 打开 StarWhisper 的悬浮小组件。将语言设置为英语，选择 small 模型（这是在任何现代 PC 上进行实时笔记的实用默认设置）。该小组件位于屏幕角落，不会妨碍您的工作。
上午 9:00，电话直播采访。 在 StarWhisper 中点击录制。随着消息源说话，实时转录预览会直接显示出来。关键引语瞬间在屏幕上呈现，再也不用手忙脚乱地记下确切措辞。记者可以在记事本中输入后续问题，而转录引擎负责捕捉内容。
上午 10:15，采访后清理。 原始转录文本已保存在桌面的文本文件中。记者在 Word 中打开它，快速扫描是否有任何听错的地方（在清晰的音频中通常每小时 1-3 处），进行更正并高亮关键引语。对于 75 分钟的采访，总清理时间：8 分钟。
上午 10:25，开始撰写。 记者使用 StarWhisper 的听写模式，直接将报道草稿听写到 CMS 中。他们自然地说话，包含格式化命令，转录文本会直接显示在文章草稿中。无需在音频播放器和键盘之间来回切换。
下午 2:00，通过视频通话进行第二次采访。 录制视频通话的音频输出。通话结束后，将音频文件拖入 StarWhisper 的文件转录模式。点击处理。走开一会儿。6 分钟后回来即可获得完整的转录文本。
与手动转录相比，此工作流每个采访日大约可节省 2.5-3 小时。在常年的常规新闻工作中，这累积起来能挽回数周的时间，并节省数百美元的云端转录费用。
采访转录中的隐私不是边缘情况，而是工作的核心。以下是 StarWhisper 如何应对专业人士遇到的主要合规场景。
国内和跨境的记者保护法差异很大。但一致的是，上传到第三方云服务的音频数据会产生法律风险暴露。StarWhisper 的本地处理意味着没有可传唤的服务器，无需协商数据保留策略，也没有第三方访问日志。音频始终保存在您的机器上，由您掌控。
学术 IRB 协议通常要求将采访录音存储在加密且受访问控制的环境中。云转录服务通常无法在没有签署数据处理协议的情况下达到此标准。StarWhisper 完全离线运行，这意味着个人健康信息（PHI）和个人身份信息（PII）永远不会通过第三方网络传输。这使其完全兼容 GDPR，并适用于对 HIPAA 敏感的学术研究环境。另请参阅：HHS HIPAA 隐私规则指南。
播客创作者和商业访谈者经常在限制音频内容分发的 NDA（保密协议）下录制嘉宾。将受 NDA 约束的音频上传到云转录服务本身可能就构成违约。使用 StarWhisper 进行纯本地处理可完全消除这一风险，您嘉宾的音频永远不会离开您的工作站。
StarWhisper 旨在首次下载后的 10 分钟内即可投入使用。以下是为记者和研究人员优化的设置流程：
对于管理大量采访语料库的研究人员来说，Pro 方案是明确的需求——无限处理且无限制意味着您可以在周末批量处理所有 50 次采访，而不是在云服务商那里精打细算每月的分钟配额。另请参阅我们的专业转录软件指南，了解更多工作流技巧。
以下是两种常见用户画像（在职记者和学术定性研究人员）的具体投资回报率（ROI）明细。
每周 3 次采访 × 50 周 = 每年 150 次采访
平均采访时长：60 分钟
节省的手动转录时间：约 270 小时/年
避免的云成本：约 $1,350-$2,700/年
StarWhisper Pro 成本：$120/年
为论文研究进行 40 次采访
平均采访时长：90 分钟
节省的手动转录时间：约 180 小时
避免的云成本：$810-$1,620（一次性）
StarWhisper Pro 成本：总计 $10-$40
免费方案（每天 500 字）足以满足偶尔的转录需求，例如学生采访少数参与者，或者作家每周转录单集播客。对于认真从事这项工作的人来说，Pro 方案在完成一次完整采访后即可收回成本。
“我负责报道地方政府新闻，每周大约进行 8 次采访。在使用 StarWhisper 之前，我每个星期天下午都在赶转录进度。现在这些时间都回到了实际的写作上。录制电话采访的准确率确实比我预期的要好，我可能每小时音频只需要修改 5 到 6 个词。”
，地区报纸记者，使用 3 年
“我的 IRB 协议要求采访数据绝不能上传到第三方服务器。这立刻排除了所有的云服务。StarWhisper 是我发现的唯一一个真正能完全离线运行的 Windows 选项。large-v3 模型在处理参与者英西混杂的讲话方面表现出奇地好。”
，社会学博士候选人，论文研究
“我运营着一个每周更新的商业播客。每集两小时，每年 50 集。我以前每月要为云转录服务支付 $240。而 StarWhisper Pro 每年只需 $80，这根本没得比，一旦你意识到质量是同等的，这显然就是正确的选择。”
，B2B 播客主持人，科技行业
在清晰的音频上（直接使用麦克风，安静的房间），使用 small 或 medium 模型的准确率通常为 97-99%。压缩的电话音频或嘈杂环境会根据条件将其降低至 90-95%。large-v3 模型在处理困难音频时表现要好得多。大多数记者报告在典型的电话采访中每小时只需修改 3-8 个词。
可以。将录音导出为 MP4 或 MP3 并加载到 StarWhisper 的文件转录模式中。音频将被提取并在本地处理。对于实时 Zoom 通话，您可以使用虚拟音频线将通话音频路由到 StarWhisper 以进行实时转录。
在单一主导语言内，Whisper 能很好地处理偶尔出现的外语单词和名字。对于真正在句中切换两种语言的采访，结果喜忧参半，您将准确获得主导语言，而另一种语言只能部分获取。在 Whisper 支持的 29+ 种语言中的任何一种进行的纯单语采访都能出色地转录。
是的。由于所有处理都在本地进行，没有任何音频或转录数据被传输到第三方或由其存储。这满足了大多数 IRB 协议对敏感采访录音施加的数据最小化和本地存储要求。在您的科研电脑上结合全盘加密，可实现最大程度的合规状态。
使用 GPU 加速（NVIDIA RTX 3060 或更高）和 medium 模型：大约 4-6 分钟。在使用 small 模型的纯 CPU 机器上：15-25 分钟，具体取决于处理器速度。在 GPU 上使用 large-v3 模型处理 60 分钟音频需要 8-12 分钟。所有时间均指预录文件转录，而非实时流转录。
说话人分离化（自动说话人标记）目前不是内置功能。转录文本是作为带有时间戳的连续文本流生成的。对于双人采访，许多用户会根据上下文进行手动标记，鉴于 StarWhisper 准确的转录基线，对于典型的一小时采访，此过程需要 5-10 分钟。
StarWhisper 接受 WAV、MP3、M4A、FLAC、OGG 和大多数常见的音频容器格式。也支持视频文件（MP4、MOV、MKV），StarWhisper 会自动提取音轨。导入前无需转换。
Rev 的 AI 档位收费 $0.25/分钟，一次 60 分钟的采访需花费 $15，并且您的音频会上传到 Rev 的服务器。Otter.ai 的免费方案上限为每月 300 分钟。这两种服务都需要互联网。StarWhisper Pro 每月 $10，无限时长，完全离线，且绝不传输音频。对于大音量用户或对隐私敏感的工作，根本没有可比性。另请参阅我们的专业转录软件对比。
如果您正在转录采访——无论是作为保护消息源的记者、维持 IRB 合规性的研究人员，还是管理受 NDA 约束录音的播客创作者——您的音频去向问题都不容回避。StarWhisper 为您提供了一个极具竞争力的答案：除了您自己的硬盘，哪儿都不去。
免费方案无需账号即可立即开始。如果您发现自己每月转录的采访不止几次，每月 $10 或每年 $80 的 Pro 方案将在第一周就收回成本。下载它，在下一次采访录音中试用，亲自看看转录质量。