产品简介
CrisperWhisper 是一款先进的语音识别工具，它能将语音精准转录为两种文本：一种是包含所有语气词、重复等细节的「逐字稿」，另一种是提炼核心意图、格式规整的「意义稿」。它解决了传统语音转文字工具无法可靠记录口语细节的痛点，特别适合研究人员、内容创作者和开发者用于分析对话、构建训练数据或处理多语言内容。
核心功能
- 逐字转录模式：忠实记录所有口语细节，如“嗯”、“呃”、重复和笑声
- 意图转录模式：生成干净、易读、格式规范的文本
- 精确到词的时间戳：提供每个单词的开始和结束时间
- 升级现有转录（Verbatimize）：为已有的干净文本插入音频中真实存在的口语细节
- 多语言支持：逐字与意图模式支持多种语言
快速开始
- 使用 pip 安装：`pip install "crisperwhisper[ct2]"` (GPU加速) 或 `pip install "crisperwhisper[transformers]"` (通用)。
- 在代码中导入并初始化模型：`from crisperwhisper import CrisperWhisperModel; model = CrisperWhisperModel()`。
- 调用转录功能：使用 `model.transcribe("音频文件", mode="verbatim")` 获取逐字稿，或 `mode="intended"` 获取意义稿。
界面预览
与其他方案对比
| 对比项 | CrisperWhisper | 同类方案 |
|---|---|---|
| 不流畅词（如‘嗯’、重复）识别准确率 (F1) | 领先，平均F1达87.8%，专业版达93.5% | 对比测试的其他主流系统均低于80%，如ElevenLabs为79.2%，Microsoft为77.5% |
| 单词级时间戳精度 | 领先，朗读语音平均边界误差仅29.6毫秒 | 对比测试的其他系统误差均大于37毫秒 |
适合谁用
- 需要精确分析对话语音细节（如口语研究、心理访谈）的研究人员
- 需要为语音合成（TTS）准备高保真带细节语料的数据科学家/开发者
- 需要处理多语言会议录音、生成规范文字记录的国际化团队
下载与版本
当前最新版本为 v2.0.1，发布于 2026-07-23。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/nyrahealth/CrisperWhisper