公司想开发个录音笔产品，配套语音转文字，请教解决方案。

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 430 天前的主题，其中的信息可能已经有所发展或是发生改变。

录音转文字 APP ，应该怎么做，有什么现成方案吗？如果用阿里云这些，成本太高了，有没有什么开源好用的，请教大家。

请教

录音

文字

现成

11 条回复 • 2023-09-13 17:27:49 +08:00

xuAN111

2023-09-12 23:52:44 +08:00

DeepSpeech

rsy

2023-09-13 00:11:31 +08:00

Whisper
https://github.com/openai/whisper

AppJun

2023-09-13 00:17:03 +08:00

iOS SDK 有 SFSpeechRecognizer ，如果想用 Whisper 有 whisper.cpp 。

Whisper 的模型大小对中文识别有一定影响，但是影响也有限，新的 iPhone 可以跑得动一些比较大的模型，老的 iPhone 就不一定有足够内存了。

另外但是因为训练集是字幕，导致中文容易出现一些预期外的文字，比如“字幕制作：某某”“谢谢观看”之类的幻想结果。

Zorro825

2023-09-13 01:16:41 +08:00

@AppJun 谢谢

Zorro825

2023-09-13 01:16:48 +08:00

@rsy 谢谢

Zorro825

2023-09-13 01:16:56 +08:00

@xuAN111 谢谢

Zorro825

2023-09-13 01:17:36 +08:00

@AppJun 安卓不能用吗

Zorro825

2023-09-13 01:22:06 +08:00

@rsy 这个是云端解决方案吗，用户上传文件，服务器翻译，然后返回结果

rsy

2023-09-13 12:46:40 +08:00

@Zorro825 Whisper 可以直接下载到自己电脑上使用，无需联网，也不需要调 API 花钱

EatIce

2023-09-13 16:40:46 +08:00

得和科大讯飞的产品对比一下，有自己的市场竞争力再做

iorilu

2023-09-13 17:27:49 +08:00

你想实时识别本地性能可能不够把