Whistle 是一个把音频转成文字的命令行工具，体积只有 16.9 MB，最近在 Hacker News 上获得了不少关注。
它的卖点是轻
语音识别工具的常见形态是要么依赖云服务（要联网、要付费、数据要上传），要么本地部署一个几 GB 的模型加一堆 Python 依赖。
Whistle 走的是另一条路：单文件、体积小、命令行直接调用。对需要在脚本里做转写的场景，这个形态很顺手。
安装很简单
下载压缩包、解压、把可执行文件移到 PATH 里就行，没有运行时依赖要装。
使用就是一条命令加音频文件路径。
适合什么场景
会议录音批量转写。如果会议量多，把录音丢给脚本跑一遍比手动上传划算。
播客和视频的字幕初稿。转出来的文字可以作为字幕的时间轴对齐基础。
语音笔记整理。随手录的备忘录转成文字后更容易检索。
无障碍场景。给听障用户提供实时或准实时的文字。
接入 Python 做实时处理
官方提到了可以集成进 Python 做实时使用。思路是把音频流分片喂给命令行，或者用 subprocess 管理长任务。
处理大文件时要注意分段：一次喂进去几小时的音频，内存占用和失败重跑的代价都不划算。切成 10 分钟一段，失败了只需要重跑一段。
选型时要确认的几件事
第一，中文识别准确率。这类工具在不同语言上的表现差异很大，官方样音和自己实际场景的差距可能不小。拿你自己的录音测，不要用官方 demo 下结论。
第二，是否支持说话人分离。多人会议转写如果分不出谁说的，可用性大打折扣。
第三，标点和时间戳。没有标点的大段文字可读性很差，没有时间戳就没法对齐原文。
第四，许可证。商用前确认清楚。
一个提醒
轻量工具的代价通常是模型容量有限，在噪声环境、专业术语、口音这些场景下准确率会明显下降。重要场合的转写结果一定要人工校对。
本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。