簡單測試使用 WhisperDesktop 將語音轉成文字

TLDR

• WhisperDesktop 是一款無需 Python 環境即可運行的 OpenAI Whisper 離線語音轉文字工具。
• 建議優先使用 ggml-medium.bin 模型，在效能與準確度間取得最佳平衡。
• 擁有獨立顯示卡者，使用 ggml-medium.bin 處理 5 分鐘音訊僅需約 11 秒。
• 無獨立顯示卡者，建議選用 ggml-small.bin 作為日常使用基準，ggml-tiny.bin 準確率過低。
• 開發者已停止更新 WhisperDesktop，建議改用 Subtitle Edit 整合 Faster-Whisper 以獲得更佳的效能與維護支援。

WARNING

WhisperDesktop 開發者已許久未更新。目前建議改用 Subtitle Edit 整合 Faster-Whisper，維護相對活躍且速度更快。詳細請參考：使用 Subtitle Edit 整合 Faster-Whisper 進行本地語音轉文字。

下載與安裝

WhisperDesktop 是一個輕量化的離線工具，無需安裝 Python 環境。

1. 前往 WhisperDesktop GitHub 的 Releases 頁面下載最新版本。
2. 解壓縮後包含 WhisperDesktop.exe（執行檔）與 Whisper.dll（函式庫）。

模型選擇與規格

模型需從 Huggingface Whisper 下載。模型大小直接影響 VRAM 需求與處理速度：

大小	參數數量	需求 VRAM	相對速度
tiny	39 M	~1 GB	~32x
base	74 M	~1 GB	~16x
small	244 M	~2 GB	~6x
medium	769 M	~5 GB	~2x
large	1550 M	~10 GB	1x

使用方法

什麼情況下會遇到設定問題：當軟體無法自動偵測硬體時，需手動調整參數。

1. 執行 WhisperDesktop.exe 並指定模型路徑。
2. Model Implementation 選擇 GPU。若無法偵測顯卡，可點擊 advanced... 進行手動設定。
3. Language 選擇目標語言。
4. Output Format 支援 .txt、.srt、.vtt 等多種格式。
5. 勾選 Place that file to the input folder 可將輸出檔案直接存於輸入檔案目錄。

效能測試結果

什麼情況下會遇到效能瓶頸：使用過大的模型（如 large）在特定硬體上可能導致處理失敗或輸出空白。

• 獨立顯示卡 (RTX 4070 Ti Super)：
  • ggml-medium.bin：處理 5 分 16 秒音訊僅需 11 秒。
  • ggml-large-v3.bin：處理時間長達 22 分鐘，且存在轉換失敗風險。
• 內顯 (i7-12700H)：
  • ggml-tiny.bin：41 秒。
  • ggml-small.bin：4 分 19 秒。
  • ggml-medium.bin：13 分 5 秒。

結論與建議

• 獨立顯卡使用者：建議統一使用 ggml-medium.bin，效能與準確度表現最穩定。
• 內顯或舊型顯卡使用者：
  • 日常轉錄建議使用 ggml-small.bin，此為準確度的最低門檻。
  • 若需高精確度內容，可選用 ggml-medium.bin 並預留較長的處理時間。

異動歷程

1. 2025-03-24

   • 初版文件建立。
2. 2026-01-31

   • 新增推薦連結，引導至新版 Faster-Whisper 解決方案。