求一个可分辨说话人、录音转文字的离线软件

天知道

一直在使用WPS会员的录音转文字来记录自己的工作电话和录音，但现在感觉一月360分钟不够了，所以需要一个可以本地、免费的或者可使用AI增加准确度但不要太贵（比如一个小时语音转换时花费最好低于0.5元）的语音转文字 ，同时能标识不同说话人的软件。

https://bbs.saraba1st.com/2b/for ... ead&tid=2247925

这个帖子里面的推荐的 CapsWriter-Offline 主要用于自己的语音转文字，无法对多说话人进行标识，同时基本不分段，有点不太好。

另外腾讯的语音识别我也试过，准确率感觉还行，就是太贵，差不多要1.5元/小时了。

Augusty

cy同蹲。

之前研究过Azure的说话人识别，但是这项功能2025 年9 月30 日之后就被微软官方弃用了。。也没有检索到可以实现说话人识别的离线大模型。蹲个大伙的实现👀

junqqq999

这个我在公安局见过，自动识别警察和嫌疑人的口供~~~好像就是科大讯飞的~~~~

天知道

junqqq999 发表于 2025-3-17 08:01
这个我在公安局见过，自动识别警察和嫌疑人的口供~~~好像就是科大讯飞的~~~~ ...

讯飞我早期用过，印象中非常贵，好像是1分钟就要1毛多吧？

liveuq

科大买他的录音笔好像可以免费用在线服务，不过我觉得在复杂环境（有人插嘴，收音较差）下多人识别的效果不是很好。虽然能识别出不同人，但是文字也有错误地方（随意谈话而非发言稿）

Fuero

买个小米15用系统录音？

天知道

Fuero 发表于 2025-3-17 09:41
买个小米15用系统录音？

系统录音那个文字整理一团糟。。。不过我只用过MIUI12的。

天知道

liveuq 发表于 2025-3-17 09:38
科大买他的录音笔好像可以免费用在线服务，不过我觉得在复杂环境（有人插嘴，收音较差）下多人识别的效果不 ...

目前主要是通话、微信录音 这块，暂时不考虑增加设备（NoMoney）

Nonameno

录音丢给豆包？

论坛助手,iPhone

紧那罗

＞ 一个小时语音转换时花费最好低于0.5元
据我所知符合这个条件的应该是没有，国内外云服务价格应该都比这个高。本地硬件支持的话，whisperX我觉得挺好。
带分离说话人，精准时间轴

—— 来自 鹅球 v3.3.96-alpha

月埜ヒスイ

目前这个东西你要达到基本不需要人工校对的就是贵
我都觉得那些效果好的贵的，是不是其实有真人在ai分析完了帮你人工校对的。。

lyflyflxf

飞书的妙记目前是免费的，可分辨说话的人，准确率比较高吧

—— 来自 鹅球 v3.4.98

琉璃苑軒風

你如果长期用，不如买讯飞的录音笔

0.5/h的单价当下模型配置还不现实，电费人都回不去，不是促销引流做不到这个价格的

—— 来自 鹅球 v3.3.96-alpha

浅仓透透

飞书包括市面上的AI功能，还有一些免费的转写我也都用过。
如果你是长期用的话，我的方案是买个三四百的讯飞录音笔。
录音笔有两种权益，一种是赠送的免费转写时长，这个是支持外部语音的，一般送10小时到几十小时。

另一种是录音笔自己的录音内容，用就支持转写和APP内的所有功能，能够实现多人会话交谈的分类和分别。

所以遇到外部录音的时候，二次用录音笔转录就是了。

dragon_dusts

我也有类似的需求，也曾经尝试本地部署ai/买api这种，但是1.我个人能力有限，没有精力深入研究；2.事情压的紧，最后还是讯飞听见。花钱买省心了，供参考。

宏.

本地跑现阶段不现实，这个需求我研究过，花钱是最简单的，如果只要求摘要不要求逐字，最好的办法是丢给豆包

天知道

谢谢楼上各位推荐，那我目前手机还是使用WPS会员；后期准备买一个讯飞录音笔吧（估计在三季度），查看了一下，感觉比较好携带，同时外形不显眼的似乎是H1PRO这个型号？
也请推荐一下其他型号：主要是方便携带，尽量不引人注目（毕竟主要是给自己方便整理客户的问题和要求等，可不想让客户太介意）

noahhhh

我买的是科大讯飞的电子纸，不过贵很多了

starash

我推荐buzz。

酱豆腐

https://github.com/jianchang512/stt   这个项目就是需要一**显的电脑 之前在一台1060的机器上用过，可以把领导1个多小时的会议变成文字，然后你再发给AI总结 立马一篇会议纪要就差不多有了。

紧那罗

讯飞我之前用过2年讯飞语记 说实话体验不太好
当时讯飞的产品巨抽象 讯飞听见只有时长包 价格巨贵
讯飞语记有包月的套餐 价格相对实惠 但是app不好用 多端协同有问题 很长一段时间电脑端看不到手机某个版本之后的新录音

楼主你不如先说说清楚需求  转录有什么现有的设备 转录的时效要求

宏.

天知道 发表于 2025-3-18 13:46
谢谢楼上各位推荐，那我目前手机还是使用WPS会员；后期准备买一个讯飞录音笔吧（估计在三季度），查看了一 ...

录音钥匙扣录音胸牌之类的东西多的是，讯飞你有账号的时候随便用什么东西录音再上传就是了，但其实这种微型录音笔效果还不如好一点的手机，提前打开手机录音，然后随手放在桌子上谁知道你在录音啊

天知道

紧那罗 发表于 2025-3-18 19:02
讯飞我之前用过2年讯飞语记 说实话体验不太好
当时讯飞的产品巨抽象 讯飞听见只有时长包 价格巨贵
讯飞语记 ...

主楼没说清楚：用的就是手机；红米手机可以自动录音通话与微信语音/视频，形成的文件是AAC和MP3，我会手动全转成MP3；同时出差时会在与客户现场交流时使用手机录音功能。
每天大概通话录音约半小时，出差时全天与客户谈话差不多要2到3个小时。
以上录音文件我都会在晚上统一同步到电脑上，所以主要的处理平台是电脑。
以前使用WPS会员的那个录音转文字，基本够用，但近两月出差太多了，导致不太够用了，所以想找个免费或低价的转文字、区分说话人的方案。

天知道

宏. 发表于 2025-3-18 21:14
录音钥匙扣录音胸牌之类的东西多的是，讯飞你有账号的时候随便用什么东西录音再上传就是了，但其实这种微 ...

我目前就是这样用的，但这样的问题就是没有一个廉价方案来整理成文字，时间长了忘记就麻烦。

nozomitech

这不就whisper吗，最大的large V2/V3模型也就3个多G大小，只要不是烂到离谱的机器都能跑得起来，自己部署不来网上有打包好的傻瓜式软件，发言人识别，AI总结和翻译（当然需要API）都是可以实现的，断句的话随缘，只能说80%的情况下是好使的，可以手动设置每句最大长度一定程度缓解AI没断句然后一段话特别特别长的情况。我觉得现阶段应该也不存在完全保证能断好句的AI转写模型。