安装 StarWhisper，选择一个本地 Whisper 模型，然后让内置模型管理器处理下载和存储。无需设置 Python，无需手动配置文件路径，也无需命令行工作流程。
受 Windows 信任 • 无安全警告
内置模型管理器为您处理一切
在设置中选择模型，点击下载。进度条显示状态。无需手动管理文件或配置路径。
即时切换模型。使用 Tiny 进行快速草稿，使用 Large V3 进行最终转录。随时可从设置面板更改。
支持的 NVIDIA 显卡使用 GPU 加速模型。StarWhisper 会检测兼容的硬件并在可用时使用 GPU 加速。
Whisper 的优化 C++ 实现。比 Python 版本更快。安装程序中包含预编译的二进制文件。
模型存储在本地。所需模型可用后，本地转录无需主动互联网连接即可运行。
仅保留您实际使用的模型。当磁盘空间紧张时删除较大的模型文件，如需要可稍后重新下载。
选择适合您需求的模型
| 模型 | 大小 | 参数量 | 最适合 | 硬件说明 |
|---|---|---|---|---|
| Large V3 | 2.9 GB | 1.55B | 需要仔细审阅的转录 | 最好搭配性能强劲的 GPU |
| Medium | 1.5 GB | 769M | 平衡质量和速度 | 在许多现代系统上运行良好 |
| Small | 466 MB | 244M | 日常听写和粗略转录 | 良好的入门模型 |
| Base | 142 MB | 74M | 快速草稿和简短笔记 | 资源占用低 |
| Tiny | 75 MB | 39M | 极快的粗略草稿 | 资源占用最低 |
获取 Whisper 模型通常需要安装 Python、使用 pip 命令以及从 Hugging Face 手动下载模型。官方流程涉及：
StarWhisper 消除了这种复杂性。只需下载一个安装程序，所有模型即可通过内置模型管理器使用。选择您喜欢的模型，点击下载，即可开始转录。
Whisper Large V3 最适合当您批量转录长录音且质量比速度或磁盘使用更重要时的情况。它是在长片段上训练的，在多分钟音频上而非短实时听写上发挥其计算能力。在短片段上，小型模型通常表现相当或更好。
短实时听写。对于在任何应用中通过语音输入打字，小型模型是我们推荐的实用默认选项；在短片段上，大模型可能会过度纠正并产生更多幻觉。
Large V3 受益于性能强劲的 GPU，特别是对于长录音。仅使用 CPU 可能会慢得多，因此大多数用户在进行实时听写时应坚持使用 Small，只有在批量转录长文件时才使用 Medium 或 Large V3。
Whisper.cpp 是 OpenAI Whisper 的 C++ 移植版，针对本地推理进行了优化。相比 Python 实现的优势：
StarWhisper 包含适用于 Windows 的预编译 whisper.cpp 二进制文件。模型与常见的本地 Whisper 工作流兼容，但 StarWhisper 将模型设置、应用集成、GPU 配置和本地转录工作流封装在桌面界面中。
下载的模型存储在您的本地应用数据文件夹中。如果下载所有模型，总存储需求为：
您可以仅下载所需的模型。大多数用户应坚持使用 Small（这是我们为实时听写推荐的实用默认选项），并可选择添加 Medium 以用于非拉丁文字，或添加 Large V3 用于长录音的批量转录。