Side Project
WhisperX GUI
一個使用者友善的圖形介面,用於輕鬆調用 WhisperX。提供精確轉錄、強大語者分離 (Diarization) 與詞級時間戳對齊,支援多檔案批次處理。
2025.05.25
// 獨立開發
專案資訊
角色:
獨立開發
時間:
2025.05 - 2026.10
類型:
Side Project
技術棧
Python
WhisperX
PyTorch
GUI
ASR
Diarization
FFmpeg
WhisperX GUI
一個使用者友善的桌面圖形介面,用於輕鬆調用 WhisperX,這是一個提供精確轉錄、強大語者分離和詞級時間戳對齊的自動語音辨識 (ASR) 工具。
此 GUI 簡化了轉錄音訊和影片檔案的過程,使用者無需在終端輸入複雜指令,且提供便利的一鍵安裝腳本。

功能亮點
- 直觀的使用者介面:輕鬆新增、移除和管理用於轉錄的音訊與影片檔案。
- 多檔案批次處理:一次排隊轉錄多個檔案,大幅提升工作效率。
- 多語言辨識與自動偵測:支援多國語言轉錄,亦可交由模型自動判斷語言。
- 多種 Whisper 模型切換:從 tiny、base、small、medium 到 large-v3、turbo,依準確度與硬體性能靈活選配。
- 語者分離 (Speaker Diarization):整合 PyAnnote 語者辨識模型,自動辨識並標記對話中不同講者。
- 詞級時間戳對齊 (Word-level Alignment):提供極高精度的單詞時間標記,方便字幕編輯與音訊對齊。
- 多種字幕格式輸出:支援匯出為 TXT、SRT 與 VTT 字幕格式。
- 彈性自訂參數:支援指定輸出目錄、初始提示 (Initial Prompt)、運算裝置 (CPU / CUDA GPU) 與分塊大小。
專案藝廊
