最近用OpenAI的Whisper做了好几次会议录音转写，真的被惊到。
上周有场2小时的跨部门讨论会，里面有3个带口音的同事，还有好几次背景里的空调嗡鸣、投影切换的咔哒声，我之前用别的转写工具，光修正口音错误就要花40多分钟。这次把1.2G的录音文件直接丢进去，选了默认的large模型，不到10分钟就出了完整文稿，连我随口插的一句“麻烦递下笔”这种小声碎语都准确识别出来，还自动分好了说话人，连中英文混说的专业术语都没出错。
现在完全把之前付费的转写APP闲置了，唯一的小麻烦就是本地跑大模型得给电脑配个16G以上的显存，不然速度会慢不少。