whisperx

name	whisperx
description	音频转文字 + 说话人分离
category	audio
emoji	🎙️
github_url	https://github.com/m-bain/whisperX
triggers	["音频转文字","语音转写","语音识别","whisper","转写","ASR"]
inputs	["mp3","wav","m4a","flac","ogg"]
outputs	["json","txt","srt","vtt"]
use_cases	["语音转文字","会议记录","字幕生成","音频分析"]

WhisperX

音频转文字工具，支持说话人分离和时间戳对齐。

安装

# 安装Python依赖
pip install -r requirements.txt

# 或使用CLI自动安装
autodata skill install whisperx

使用

CLI

# 基本转写
autodata whisperx input.mp3 -o output/

# 指定模型和语言
autodata whisperx input.mp3 -o output/ --model base --language zh

# 带说话人分离
autodata whisperx input.mp3 -o output/ --diarize

参数

参数	说明	默认值
--model	Whisper模型: tiny/base/small/medium/large	base
--language	语言代码: zh/en/ja/ko	zh
--diarize	启用说话人分离	false
--output-format	输出格式: json/txt/srt/vtt	json