如何用Whisper-WebUI轻松生成字幕？2025年最完整的语音转文字工具指南

Whisper-WebUI是一款基于Gradio构建的语音转文字工具，支持从文件、YouTube、麦克风等多种来源生成字幕，兼容SRT、WebVTT等主流格式，并提供语音翻译、音频预处理等强大功能，让字幕制作效率提升10倍！

🚀 为什么选择Whisper-WebUI？核心功能亮点

多源输入与格式支持

无论是本地音频文件、YouTube视频链接，还是实时麦克风输入，Whisper-WebUI都能轻松处理。生成的字幕可导出为SRT、WebVTT或纯文本格式，满足视频剪辑、播客制作等多样化需求。

三大Whisper引擎可选

内置OpenAI Whisper、faster-whisper和insanely-fast-whisper三种实现，默认使用faster-whisper引擎，相比原生Whisper速度提升5倍，显存占用减少60%，让低配电脑也能流畅运行。

一站式音频处理流水线

包含VAD语音活动检测、UVR背景音乐分离、pyannote说话人分离的完整处理流程

双语翻译功能

支持语音直接翻译成英文（Whisper原生能力），或通过Facebook NLLB模型/DeepL API对生成的字幕进行多语言互译，轻松制作多语言字幕。

💻 超简单安装步骤（3种方法任选）

方法1：Docker一键部署（推荐新手）

1. 安装Docker Desktop并启动
2. 克隆仓库

   git clone https://gitcode.com/gh_mirrors/wh/Whisper-WebUI
   

3. 构建并启动容器

   docker compose build && docker compose up
   

4. 浏览器访问 http://localhost:7860 即可使用

方法2：本地脚本安装（Windows/macOS/Linux通用）

1. 克隆仓库

   git clone https://gitcode.com/gh_mirrors/wh/Whisper-WebUI
   

2. 运行安装脚本
   • Windows: 双击 Install.bat
   • macOS/Linux: 终端执行 chmod +x Install.sh && ./Install.sh
3. 启动程序
   • Windows: 双击 start-webui.bat
   • macOS/Linux: 终端执行 ./start-webui.sh

方法3：Pinokio自动安装

1. 安装Pinokio软件
2. 在Pinokio中搜索"Whisper-WebUI"并安装
3. 点击启动按钮自动运行

⚙️ 常见问题解决方案

问题1：Python版本不兼容

解决步骤：
确保Python版本在3.10-3.12之间，可通过官网下载对应版本。安装脚本会自动创建虚拟环境，避免系统环境冲突。

问题2：FFmpeg配置错误

解决步骤：

1. 从FFmpeg官网下载对应系统版本
2. 将FFmpeg的bin目录添加到系统PATH环境变量
3. 验证安装：终端输入ffmpeg -version显示版本信息

问题3：模型下载失败

解决步骤：
手动将模型文件放入对应目录：

• Whisper模型：models/Whisper/
• NLLB翻译模型：models/NLLB/
• UVR分离模型：models/UVR/

📊 性能对比：为什么选择faster-whisper？

实现方式	精度	速度	最大显存占用
openai/whisper	fp16	4m30s	11325MB
faster-whisper	fp16	54s	4755MB

处理同一10分钟音频的测试结果，faster-whisper在速度和显存效率上优势明显

🛠️ 高级功能使用指南

说话人分离设置

1. 获取HuggingFace令牌
2. 接受pyannote模型使用协议
3. 在WebUI设置中填入令牌，自动启用说话人区分功能

命令行参数优化

通过启动脚本传递参数自定义配置：

# 使用insanely-fast-whisper引擎
./start-webui.sh --whisper_type Vaibhavs10/insanely-fast-whisper

# 启用CPU模式
./start-webui.sh --device cpu

📝 项目结构速览

核心功能模块路径：

• 语音活动检测：modules/vad/silero_vad.py
• 背景音乐分离：modules/uvr/music_separator.py
• 翻译功能：modules/translation/
• Whisper引擎：modules/whisper/

配置文件位置：configs/translation.yaml
输出文件目录：outputs/（自动创建）

🌟 用户界面展示

简洁直观的Web界面，所有功能一目了然

无论是视频创作者、播客制作人还是学生，Whisper-WebUI都能帮你快速将语音转换为高质量字幕。现在就下载体验，让字幕制作从此变得简单高效！