今天上班摸鱼把昨晚跑团的录音转录成文字，分别尝试了三件事：

1. zoom的转录功能
2. 开源软件pytranscripter
3. OpenAI的whisper（开源）

zoom的字幕

zoom recording好用在两点：

1. 可以为每个参会者单独录制音频文件。这对之后做文字转录保存发言人信息有很大帮助，不然指望模型能自己分辨角色实在准确率感人。
2. 可以自动转录甚至实时转录。虽然好像不对免费用户开放但学校账户是没问题的。

坏消息1：我忘了开单独录制和转录。所以还是得继续研究怎么转录。 坏消息2：zoom提供的转录只有英文。

pytranscripter

我之前就用过这个软件，让我很惊讶的地方是它支持粤语，而且效果还不错。我就是靠这个软件看完了一些工作上需要看的视频。

但这次让我大失所望，pytranscripter彻底搞砸了。看来pytranscripter对多人场合的汉语转录是完全无能的。

不过它给我留下了一些小彩蛋：一些在我看来有点诗意的文字。

whisper

终于到了我寄予厚望的whisper，结论：大失所望。

直接给两种size的结果：

base

这个真的让我毛骨悚然，因为《命运石之门》中我最喜欢的角色的原因，我看到这个画面的反应相当之……剧烈。

medium

这是我看到的比较差的部分，medium后面的表现其实稍好一些，但因为我在mac的cpu上跑，速度慢到不能接受，还是调API吧。

whisper API

结论：OpenAI你畜生啊！让我做了六个很麻烦的防机器人验证，然后才告诉我HK不能进OpenAI的后台（而不只是chatGPT不行）

直接调API是不需要翻墙的，但我被告知我的APIkey不能用，翻墙后打开后台确认，key被取消了，而且原本的200刀free trial也没了。

不过whisper是开源的。API的好处是速度非常快。

结论

从第一句来看whisper还是比pytranscripter强一点点，但后面的bug实在令人难以直视，AI真的很容易被古神污染。总的来说多人中文场景还是难的，不知道large-whisper-2会不会有惊艳的表现。我现在还是等一手zoom，目前比较理想的应该是zoom分人，large-whisper-2对每个单独的人做transcribe，从medium的表现看，我应该还是可以信赖large在单人中文上的表现的。