编程智能体与代码 · 工具介绍
WhisperX
将录音转为文字，结合对齐处理生成词级时间戳，并可区分录音中的不同说话人。
WhisperX 能做什么
将录音转为文字，结合对齐处理生成词级时间戳，并可区分录音中的不同说话人。
- 音频视频转写与语音识别
如何使用 WhisperX
整理带时间信息的多人录音文字稿
准备输入
- 有权处理的录音
- 语言设置
- 所需模型和运行环境
操作步骤
- 配置转写模型及可选说话人区分组件。
- 运行转写与对齐，生成带时间戳的文本。
- 回听专名、重叠说话和时间边界，修正后保存文字稿。
预期交付物
- 带时间戳的转写稿
- 可选说话人标签
说话人标签不等于真实姓名，部分组件需要单独授权；不能套用广告中其他产品的准确率。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估WhisperX
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
