OpenAI Whisper 可说是目前最强的语音转文字模型，最近因为有一些影片字幕的需求，原本是用之前我们曾介绍过的 Whisper JAX 线上工具，这款也是用目前最好的 large-v2，转换速度也快，但每部影片都要上传，转出来的文字虽然有时间点，贴在记事本後时间格式还是有一个标点符号不对，需要再手动改，因此蛮麻烦的，最後就决定直接将 OpenAI Whisper 装在电脑里，真的方便非常多，不仅速度更快，产生出来的格式也超多，不仅有直接能用的 SRT 字幕档，还有纯文字格式（.txt）、.tsv、.json 等等。
有些人可能认为安装步骤应该很难，也要有技术背景，事实上完全不用，简单几个步骤就能完成安装，下面分享给大家。
教你在 Windows 10/11 安装和使用 OpenAI Whisper（完全免费），轻松将影片、声音档转成文字和字幕档
OpenAI Whisper 是开源的，因此是完全免费，安装好後不用填任何 API 就能使用，也没有任何限制，但要注意电脑的 CPU 处理器或 GPU 显示卡规格，建议不要太入门，要不然转换速度可能会有点慢，用 NVIDIA 显卡的速度会比 CPU 来得快超多。
安装步骤基本上就 3个：
- 安装 Anaconda（这款软体已经内建 Python和 pip，所以不用另外安装，当然你也可以各别安装 Python 和 pip，就看你的选择，我是用 Anaconda）
- 用 Anaconda PowerShell Prompt 安装 Chocolatey、ffmpeg、Whisper
- 开始语音转文字（不只是声音档，影片档也支援）
- 选项：有 NVIDIA GPU的人，建议安装 PyTorch
1.安装 Anaconda
首先先到 Anaconda 的官网下载安装档，点击 Download 就会开始下载，档案还蛮大的超过 1GB，所以需要等待一点下载时间：
安装过程一直按下一步就好，不用调整任何东西：
安装好後，请打开 Anaconda Powershell Prompt，记得使用系统管理员身份执行，要不然安装过程可能会有问题：
如果是用系统管理员身份打开，在软体视窗的标题栏前面会写「系统管理员：」，预设路径也会是 C:WINDOWSsystem32，可以用这两个来判断。
2. 用 Anaconda PowerShell Prompt 安装 Chocolatey、FFmpeg、Whisper
首先是安装 Chocolatey，因为我们需要透过 Chocolatey 来安装 FFmpeg、Whisper，这边请先检查你的 Get-ExecutionPolicy 没有被限制，输入以下指令：
Get-ExecutionPolicy
如果是显示「Bypass」，那就没问题，可以进行下一步，但如果是显示「Restricted」，请输入以下指令，随後会看到一串描述，输入 Y 并按 Enter就修改完成：
Set-ExecutionPolicy AllSigned
确认为 Bypass後，就能开始安装 Chocolatey，请输入以下指令（如下图所示）：
Set-ExecutionPolicy Bypass -Scope Process -Force; [System.Net.ServicePointManager]::SecurityProtocol = [System.Net.ServicePointManager]::SecurityProtocol -bor 3072; iex ((New-Object System.Net.WebClient).DownloadString('https://community.chocolatey.org/install.ps1'))
按 Enter 之後，就会开始安装，让它自动跑完即可。跑完後，接着就是安装 FFmpeg，请输入以下指令：
choco install ffmpeg
安装完成後，会问你是否要启用这个 Script，请输入 Y 并按 Enter，FFmpeg 这里就好了，再来是 Whisper模型：
安装 OpenAI Whisper 之前，请先重开 Anaconda PowerShell Prompt，记得一样用系统管理员的身份，然後输入下方指令：
pip install -U openai-whisper
跑完之後，安装步骤就全部完成了，可以开始准备语音转文字、影片转字幕了。
3. 开始语音转文字（不只是声音档，影片档也支援）
首先你必须将路径指向你要转换的档案位置，像我放在下载资料夹，就输入以下指令（返回上一资料夹的指令是 cd ..）：
cd C:UsersRockyDownloads
这边先选择你要的模型，Whisper 现在有 7 种模型，都支援多国语言，越大辨识会越精准，但相对会消耗比较多资源，因此电脑规格没太差的人（特别是有 NVIDIA 显卡），推荐使用 large 以上，我是测试 large-v2，目前最新是 large-v3：
另外转换档案名称也要注意，不能有空白或 ()，要不然会找不到该档案。
一切都没问题後，请输入以下指令，123.mp4 是我的档案名称，请改成你的，language 後面看你的来源档是什麽语言，中文就输入 Chinese，英文就输入 English，也支援其他语言，model 则是你要用的模型：
whisper 123.mp4 --language Chinese --model large-v2
就会开始转换，预设是使用 CPU 处理器，可以注意下图左边 CPU 使用率瞬间上升，GPU 完全没用到。CPU 速度真的蛮慢的，我这部影片 5 分多钟，花了 3 分钟左右才转完，所以如果你跟我一样有 NVIDIA 显卡，建议安装 PyTorch（下面会教），快非常多，我的是 RTX 3080 显卡，变成只需要 5~10 就完成：
转好之後，在你档案的资料夹中，就会自动建立好 .json、.srt、.tsv、.txt 和 .vtt格式，你可以根据需求看要保留哪几个：
SRT 字幕档是可以直接使用的，不用修改任何东西：
4. 选项：有 NVIDIA GPU 的人，建议安装 PyTorch
首先请先到 PyTorch 这个网页，选择适合你的版本（CUDA 11.8 或 CUDA 12.1），其他设定跟我一样就可以，接着下面 Run this Command 就会显示安装指令，将它复制起来贴在 Anaconda PowerShell Prompt（记得使用系统管理员身份开启，简单来说所有安装都需要用这身份才可以）。下方是 CUDA 12.1的指令：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
贴上後按下 Enter：
等安装跑完，就可以开始转换了：
PyTorch 安装好後，就变成改用 GPU 了，下图左边 GPU 瞬间上升到 100%，速度快超级多，一瞬间就完成：
总结
以上就是在 Windows 10/11 电脑里安装和使用 OpenAI Whisper 的方法，如果未来不想用，想要移除，就进到新增移除程式里，把 Anaconda、PyTorch给移除即可。