做了一个基于 Whisper 离线转录文本的多媒体播放器

myqonnt · 2026-09-11T16:16:00+08:00

坐地铁的时候爱听博客之类的，会比较担心声音开太大了影响听力不敢开太大声音，想着搞个 App 转录文本，地铁上比较吵的时候可以看看文字辅助一下。基于本地 Whisper 的量化模型转录，在 iPhone15 上大概 3 倍实时吧，转录阶段开始后会优先转录播放位置，准确性的话实测还行。还支持了视频字幕和录音转录之类的需求，不过录音转录还挺不完善的。翻译功能目前是调用的是系统翻译的接口，一般场景大概是够用了。iOS 应用下载地址： https://apps.apple.com/cn/app/media-ai/id6794170965

myqonnt2026-09-11
2245
坐地铁的时候爱听博客之类的，会比较担心声音开太大了影响听力不敢开太大声音，想着搞个 App 转录文本，地铁上比较吵的时候可以看看文字辅助一下。
基于本地 Whisper 的量化模型转录，在 iPhone15 上大概 3 倍实时吧，转录阶段开始后会优先转录播放位置，准确性的话实测还行。
还支持了视频字幕和录音转录之类的需求，不过录音转录还挺不完善的。
翻译功能目前是调用的是系统翻译的接口，一般场景大概是够用了。
iOS 应用下载地址： https://apps.apple.com/cn/app/media-ai/id6794170965
主楼
myqonnt2026-09-11
2245
图片添加失败了补一下
<img alt="" src="
">
<img alt="" src="
">
<img alt="" src="
">
<img alt="" src="
">
<img alt="" src="
">
<img alt="" src="
">
#1
aero992026-09-11
1595
准确度如何
#2
myqonnt2026-09-11
2245
@aero99 以我的需求算是可以满足了，跟那种服务端的非量化模型肯定比不了
#3
waynevan2026-09-12
44441
视频、音频文件从哪里来？只是本地导入，还是支持在线导入播客、YouTube 视频
谢谢
#4

发表回复

登录后回复