转录工具
笔者平时用飞书妙记/豆包转录/get笔记等，进行语音录入。
- get笔记更适合手机端录入，并配合笔记系统进行整理，体验感不错，但网页端不支持语音录入，需要来回切换比较麻烦。
- 豆包手机端转录效果很好，但是回头翻记录进行整理，会比较麻烦。
- 飞书妙记进行录入和整理，内容多了也会不好整理。每月300分钟免费额度。
如果追求“知识管理”，更好的方案，显然是把转录功能按照自己平时的习惯集成到obsidian。 也是出于对whisper模型的好奇，就了解了一下whisper模型。
whisper的优势：
- 可以给音频增加时间戳，时间轴精准，字幕生成更友好。并可以通过脚本标识“识别置信度低”的部分，提醒自己二次人工核对。
- 可以把音频转录功能集成到自己的工作流之中。
- 本地跑whisper模型，则数据可以完全离线运行，安全性极高。
whisper的缺点：
- 原生模型不支持区分发言人，需要配合插件使用。
obdisian插件
Whisper插件：
- model 可根据本地GPU/CPU性能，配置为whisper对应的模型名称, 比如 base、medium、large、turbo等
如果配置本地模型：
- api key随便填写，本地模型不校验
- api url配置为 http://localhost:8000/v1/audio/transcriptions 。
如果配置为云端模型：
- 按照官方提供的url 和 key进行填写
ai-transcriber插件：
openai-o4mini价格（1M令牌代表100万token）
优点：
- 配置方便，价格透明。 缺点：
- 使用whisper，无时间戳的大概￥2.48/小时，有时间戳的大概￥4.96/小时。
- 不支持本地模型配置
Transcription插件
- 可以配置云端服务模型（仅支持swiftink），也可以配置本地模型(Whisper ASR)
本地服务配置
whisper本地服务
pip install faster-whisper-server
# 启动服务，默认会下载并使用 base 模型，你可以指定 large-v3
faster-whisper-server --model large-v3
本地whisper安装
安装命令
pip install -U openai-whisper
转录命令
whisper audio.wav --language Chinese --model medium
执行失败
大概看了下原因，大概是是显卡驱动或者CUDA版本冲突导致的，不想去解决。
总结：现在主流平台的免费额度，足够笔者本人使用，并且笔者也没有一定要构建工作流的需求。所以就先不搞了，先用主流平台的免费额度进行语音转换。
相关链接
openai-whisper项目: github.com/openai/whis… obdision ai-transcriber插件: github.com/mssoftjp/ob… obdision transcriber插件: github.com/djmango/obs… obdision whisper插件: github.com/nikdanilov/…
