zackees/transcribe-anything

这是什么？

核心功能

• 01将本地文件及 YouTube 等链接转写为 TXT、SRT、VTT 和 JSON 格式。
• 02通过 --device 在多个 Whisper 后端间切换，省略时自动检测。
• 03每个后端首次使用时在独立环境中构建，避免依赖冲突。
• 04支持说话人分离的后端会生成按说话人标注的 speaker.json。
• 05提供 Python API，以及可共享使用的守护进程服务模式。

适用场景

• 为 YouTube 视频或本地录像生成字幕。
• 转写访谈或会议录音，并按说话人区分内容。
• 在自有 GPU 或 Apple Silicon Mac 上进行本地转写，数据不需上传到第三方服务。
• 通过守护进程模式在共享 GPU 主机上批量转写。

快速上手

1. 1

   从 PyPI 安装该包

   pip install transcribe-anything
2. 2

   以 CPU 模式转录一个 YouTube 视频

   transcribe-anything "https://www.youtube.com/watch?v=dQw4w9WgXcQ"

使用前须知

• !每个后端首次运行时都会下载各自的依赖，其中 --device insane 约需 10 GB。
• !部分后端依赖特定平台：--device mlx 需要 Apple Silicon，--device xpu 仍处于实验阶段。
• !使用 --device whisperx 进行说话人分离需要 HuggingFace 令牌。

收录于专题

标签

常见问题

transcribe-anything 是什么？

命令行工具，可用多种 Whisper 后端转写本地文件或网络链接，并输出带说话人标注的结果。 transcribe-anything 是 Whisper 语音转文字的命令行前端。输入本地音视频文件或 YouTube 等链接，它会下载并规范化音频，然后输出纯文本、SRT 和 VTT 字幕以及 JSON。每个后端都运行在首次使用时自动构建的独立环境中，CUDA 和 torch 等依赖不会污染你的主 Python 环境。

transcribe-anything 可以免费使用吗？用的什么许可证？

transcribe-anything 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

transcribe-anything 还在维护吗？

活跃维护中。transcribe-anything 最近一次提交是在 2026年10月26日。

transcribe-anything 适合用来做什么？

为 YouTube 视频或本地录像生成字幕。 转写访谈或会议录音，并按说话人区分内容。 在自有 GPU 或 Apple Silicon Mac 上进行本地转写，数据不需上传到第三方服务。 通过守护进程模式在共享 GPU 主机上批量转写。

transcribe-anything 怎么安装和运行？

从 PyPI 安装该包: pip install transcribe-anything 以 CPU 模式转录一个 YouTube 视频: transcribe-anything "https://www.youtube.com/watch?v=dQw4w9WgXcQ"

在哪里获取 transcribe-anything？

源代码和安装说明在 GitHub 上：https://github.com/zackees/transcribe-anything