什么是Whisper Web？
Whisper Web 是一款基于浏览器的 AI 语音识别工具，利用 OpenAI 的 Whisper 模型在本地设备上完成转写。它主要面向需要快速、私有地将音频转为文本的用户，比如记者、学生、播客制作者和内容创作者。核心价值在于所有音频处理都在浏览器内完成，无需上传到服务器，数据完全留在本地，适合对隐私要求高的场景。用户只需打开网页即可使用，无需安装或注册。
Whisper Web的核心功能有哪些？
- 本地离线处理：所有音频转写在用户设备上通过 WebGPU 和 WebAssembly 完成，无需联网（首次加载模型后）。适合在无网络环境或注重隐私的场景下使用。
- 多输入方式：支持麦克风实时录音、上传音频文件、以及通过 URL 或浏览器音频直接转写，覆盖不同使用习惯。
- 100+语言支持：自动检测并转写超过100种语言，包括英语、中文、西班牙语、法语、日语等，无需手动选择语言。
- WebGPU 加速：利用设备 GPU 提升转写速度，比纯 CPU 处理快3-5倍，适合长音频或批量处理需求。
- 多种导出格式：转写结果可导出为 TXT、SRT、VTT、JSON 格式，适配字幕制作、文档整理、数据分析等不同工作流。
- 免费模式限制：免费版支持文件最大200MB、时长20分钟，无转写次数限制；付费不限量版支持单文件10小时/5GB，并可批量上传50个文件。
Whisper Web的使用案例有哪些？
- 播客制作者：将录制好的播客音频上传到 Whisper Web，自动转写为文字稿，然后导出为 SRT 或 VTT 格式制作字幕，无需第三方服务。
- 学生听课：用麦克风实时录制课堂内容，转写为笔记，导出 TXT 保存到本地，避免打字遗漏重点。
- 记者采访：上传采访录音文件（MP3等），自动识别说话人语言，转写后导出 JSON 用于后续分析或编辑。
- 视频创作者：将 YouTube 视频的音频通过 URL 导入，快速获取文字稿，再导出为 SRT 用于字幕添加。
- 会议记录：在会议中使用浏览器录音功能，实时转写会议内容，结束后导出 TXT 存档，方便后续检索。
- 语言学习者：上传外语音频，利用自动语言检测功能获得转写文本，辅助听力和发音练习。
如何使用Whisper Web？
- 首次使用前，确保浏览器支持 WebGPU（如 Chrome 最新版），打开 Whisper Web 网页后，系统会自动下载模型（约1-2GB，建议在Wi-Fi环境下）。
- 选择输入方式：点击“From file”上传本地音频文件，或点击“Record”用麦克风实时录音，或粘贴音频 URL。
- 等待转写完成：根据文件大小和 GPU 性能，转写时间可能不同。免费版单次限制20分钟，超出需升级为 Unlimited。
- 检查转写结果：页面会显示逐段文字，可手动调整标点或分段。
- 导出文件：选择 TXT（纯文本）、SRT（字幕）、VTT（网页字幕）或 JSON（结构化数据）格式下载。
- 如需处理超过20分钟的大文件，需订阅 Unlimited 计划（每月10美元年付或20美元月付），文件将上传至云端处理。
