🎙️ Whisper GPU Audio Transcriber#

Convert audio files to SRT subtitles using local Whisper models — completely free, offline, and GPU accelerated.

---

Use Cases#

• Content creation, free alternative to paid subtitle features (e.g., CapCut/剪映)
• Meeting recording to text
• Podcast/course subtitles

---

Supported GPU Acceleration#

DeviceAccelerationFP16Intel Arc SeriesXPU❌ Auto disabledNVIDIA GPUsCUDA✅ Auto enabledAMD GPUsROCm✅ Auto enabledApple M SeriesMetal✅ Auto enabledNo GPUCPU❌ Auto disabled

---

Usage#

Basic Usage#

Place the audio file in your current working directory and tell the AI:

text

Convert xxx.mp3 to SRT subtitles

Or specify the full path directly:

text

Convert /path/to/audio.mp3 to SRT subtitles

Advanced Usage#

text

Convert xxx.mp3 to English subtitles using large-v3-turbo model

Convert xxx.mp3 to subtitles, language is Japanese

---

Execution#

AI will execute the scripts/transcribe.py script, which will:

1. Automatically detect available GPU and select optimal acceleration
2. Load Whisper model (default: turbo)
3. Transcribe audio to SRT format
4. Save output in the same directory as the audio

---

Requirements#

• Python 3.8+
• PyTorch (version matching your hardware)
  • Intel GPU: pip install torch==2.10.0+xpu
  • NVIDIA GPU: pip install torch --index-url https://download.pytorch.org/whl/cu121
  • CPU: pip install torch
• openai-whisper: Automatically installed via pip install openai-whisper

---

Notes#

• First run will auto-download the model file (turbo ~1.5GB)
• Models cache in ~/.cache/whisper by default, use symlink/Junction to redirect to another disk
• Intel XPU requires Intel Arc GPU + matching PyTorch version

Tip for China users: If model download fails, manually download from mirror sites and place in ~/.cache/whisper/

---

Supported Models#

ModelSizeSpeedAccuracytiny39MFastestLowbase74MFastMediumsmall244MMediumMediummedium769MSlowHighturbo809MMediumHigh ✅ Recommendedlarge-v31550MSlowestHighestlarge-v3-turbo1550MSlowHighest

---

---

🎙️ Whisper GPU 音频转字幕#

使用本地 Whisper 模型将音频文件转录为 SRT 字幕， 完全免费，无需联网，支持 GPU 加速。

---

适用场景#

• 自媒体视频制作，替代剪映付费字幕功能
• 会议录音转文字
• 播客/课程内容转字幕

---

支持的 GPU 加速#

设备加速方式FP16Intel Arc 系列XPU❌ 自动禁用NVIDIA 显卡CUDA✅ 自动启用AMD 显卡ROCm✅ 自动启用Apple M 系列Metal✅ 自动启用无独显CPU❌ 自动禁用

---

使用方法#

基础用法#

将音频文件放入当前工作目录，然后告诉 AI：

text

把 xxx.mp3 转成 SRT 字幕文件

或者直接指定路径：

text

把 /path/to/audio.mp3 转成 SRT 字幕

高级用法#

text

把 xxx.mp3 用 large-v3-turbo 模型转成英文字幕

把 xxx.mp3 转成字幕，语言是日语

---

执行方式#

AI 会调用 scripts/transcribe.py 脚本执行转录，脚本会：

1. 自动检测可用 GPU 设备并选择最优加速方式
2. 加载 Whisper 模型（默认 turbo）
3. 将音频转录为 SRT 格式字幕
4. 输出文件保存在与音频同目录

---

环境要求#

• Python 3.8+
• PyTorch（版本需匹配硬件）
  • Intel GPU： pip install torch==2.10.0+xpu
  • NVIDIA GPU： pip install torch --index-url https://download.pytorch.org/whl/cu121
  • CPU： pip install torch
• openai-whisper：由 ClawHub 通过 pip install openai-whisper 自动安装

---

注意事项#

• 首次运行会自动下载模型文件（turbo 约 1.5GB）
• 模型默认缓存在 ~/.cache/whisper，可用软链接/Junction 指向其他磁盘
• Intel XPU 需要 Intel Arc 独显 + 对应版本 PyTorch

国内用户提示：首次运行会自动下载模型，如下载失败可手动从镜像站下载后放入 ~/.cache/whisper/

---

支持的模型#

模型大小速度准确度tiny39M最快低base74M快中small244M中中medium769M慢高turbo809M中高 ✅ 推荐large-v31550M最慢最高large-v3-turbo1550M慢最高