视频自动生成字幕现在什么软件效果最好？

echoIII

whisper要试怎么也得用large吧，medium也就英语还行，汉语、日语large和medium差距很大。
至于速度，有whisper faster项目，直接快了好几倍，内存也减少到6G左右。

echoIII

ArtemisI 发表于 2024-2-26 23:22
faster是会降低精度吗，感觉faster的large v3还不如普通的medium

不会降精度，不过有反映说v3相比v2会增大hallucination。
另外我没怎么处理过汉语，不知道与剪映相比如何。英语的话，目前没有比Whisper更好的。汉语语音比较简单，准确识别出音来各个软件应该都能做到，主要差距在于多音字识别上，可能Whisper不具备优势。