Local Whisper 技能本地语音转文字：不花钱还保隐私
Local Whisper 让语音转写在本地完成，会议录音转逐字稿、访谈整理、字幕提取都能用。含提示词模板、长音频分段策略与中文识别注意事项。
"这场会两小时，录音在手机里，纪要还得我写。"——这是中小企业最真实的日常。找 SaaS 转写工具吧，一小时录音免费额度早没了；买套餐吧，一年几百上千；更让人犹豫的是客户访谈、内部战略会、董事会讨论，这些内容你真想传到别人的服务器上吗？
这个技能解决什么 #
Local Whisper 是 WorkBuddy 官方精选的零成本技能之一。它的核心是：在本地跑 Whisper 做语音转文字——不依赖云端接口、不按分钟计费、音频数据不出本机。
对三类人价值最直接：
- 会议纪要：周会、项目评审、客户沟通，录音进 → 逐字稿出 → 自动整理成纪要。
- 访谈整理：用户访谈、专家访谈、采访素材，转完再做主题归纳。
- 长语音笔记与字幕：课程录音、培训视频、自己口述的待办，转文字后便于检索和再加工。
安装与启用 #
- 技能市场搜索 Local Whisper（或"本地语音转写""语音识别"）。
- 一键安装，首次使用需要下载模型文件（体积较大，装在本地盘）。
- 直接给文件下任务，例如"把 audio.mp3 转成文字"。
实操案例：转带时间戳的分段纪要 #
提示词模板，直接可用：
把工作目录里的 audio.mp3 转成文字：
1) 先转为逐字稿，按说话人分段，每段标注 [起始时间 - 结束时间]；
2) 保留所有数字、金额、人名、产品名的原文表述，不要改写；
3) 逐字稿之后，另起一段输出「纪要」，包含：
- 本次讨论主题（一句话）
- 决议项（每条一句话，带时间节点）
- 待办（格式：事项 | 负责人 | 截止时间，负责人未定的写「待定」）
- 争议点（有分歧的保留双方说法，不强行统一）
4) 保存到 meeting_20261005.md。时间戳这一条非常实用——后续回溯"当时谁说的、几点定的"直接看表就行，不用从头听。
另一个常用模板：口述笔记 → 结构化待办 #
把 meeting.mp3 转文字，然后：
把口语化的 filler（"那个…""就是说""嗯"）全部去掉，
整理成 5 条以内待办，每条不超过 20 字，
按紧急程度排序，输出成微信能直接粘贴的纯文本（不要 Markdown 符号）。关键参数与写法 #
| 你的需求 | 提示词里这样写 |
|---|---|
| 要能回溯时间点 | "按说话人分段，每段标注 [起始-结束] 时间戳" |
| 要能做纪要 | "逐字稿之外另输出决议项/待办/争议点三段总结" |
| 只要干净文字 | "去除口语 filler，保留原意，不要新增内容" |
| 要给视频配字幕 | "输出标准 SRT 字幕，每句不超过 20 字，单行显示" |
| 中文人名/术语不准 | "行业专有名词表：XX = XX（首次出现保留原文）" |
最后一行很关键：Whisper 对中文人名、行业黑话、公司简称的识别经常走样。提前给它一份术语表，准确率能明显提升。
三个必须知道的坑 #
1. 长音频要分段。 一小时以上的录音，建议先切成 15–30 分钟的片段再转，识别稳定性更好，也便于中断重试。切完让它按顺序编号合并，避免段落顺序颠倒。
2. 首次模型下载很占空间。 Whisper 模型文件不小，安装前确认本地盘（建议 SSD）有足够余量。模型是常驻复用的，装一次后面不再重复下载。
3. 中文支持要确认。 下单前确认所选模型对中文普通话的识别效果，粤语、方言、强口音场景准确率会明显下降。会议里如果夹杂方言和英文，最好在提示词里注明"英文部分按英文原样保留，不要强行汉化"。
提升准确率的三条经验 #
- 录音源质量优先于模型调优：嘈杂环境、远场拾音、 speaker 抢话，比换模型更能决定结果。
- 术语表先行：人名、产品名、行业缩写，一次性贴给它，比转完再改一遍划算。
- 逐字稿与纪要分离：先要逐字稿（保真），再要纪要（加工）。要求它"摘要里不得出现逐字稿中没有的内容"，能大幅降低编造风险。
坑与 FAQ #
Q1：转 1 小时录音要多久？
取决于本机算力。本地处理是"用本地资源换数据不出门"，速度上不如云端批量服务，所以建议按片段并行提交，别一次扔三个小时的文件进去。
Q2：识别出来的错别字怎么修？
在提示词里补"保留原意修正同音错字，但涉及人名、金额、型号的部分保持原文"。比逐句手改快。
Q3：能处理视频文件吗？
可以。视频里的音轨提取后按音频方式转写，字幕提取走同一条链路。
Q4：多人会议分不清谁说的？
Whisper 本身不做说话人分离。可以在提示词里要求"按明显的发言切换分段，并在段首标注『发言A/发言B（待确认）』"，人工一瞥就能对上。
Q5：真的完全不花钱吗？
软件与模型本身是零成本的，产生的是本机算力消耗（电费与硬件折旧）。这也是把它放进"零成本技能"清单的原因。
总结 #
Local Whisper 解决的不是"转文字"这一件事，而是对话式内容的所有权：会议、访谈、灵感口述，这些本来就该留在你自己手里的信息资产，不用再交给第三方。配上自建技能的做法，你还可以把"会议纪要格式"固化下来，以后一句话就能出标准纪要——那部分见 自建 Skill 篇。要定期自动收集录音并转写，可以叠上 自动化任务；需要把转写内容写成正式文章，用 办公文档四件套 出稿。
本文为 workbuddy.eycit.com 种子教程。