8 月 16 日消息，多媒體框架 FFmpeg 開發團隊發文，預熱 FFmpeg 8.0 版本新增一項名為 Whisper 的音頻過濾器，該功能整合了 OpenAI 的 Whisper 語音識別模型，通過內建過濾器機制，可以自動將視頻背景音頻內容識別轉換為文字描述，并輸出為字幕或結構化數據。3Cs28資訊網——每日最新資訊28at.com

據介紹，Whisper 過濾器的實現依賴 whisper.cpp 庫，用戶需要先在系統中安裝并啟用對應支持庫，并在編譯時通過“--enable-whisper”選項激活功能。相應過濾器支持純文本 TXT、SRT、JSON 等輸出模式，同時可以通過 HTTP 等協議直接將輸出內容傳輸到其他系統。如果未指定輸出位置，轉錄結果將作為元數據附加在音頻幀上，供后續處理或分析使用。3Cs28資訊網——每日最新資訊28at.com

官方強調，該過濾器提供了隊列參數，用戶可以設置累積多少音頻數據再進行識別，默認值約為 3 秒，如果將時間設置更長，識別準確率則更高 / 處理頻率更低，適合批處理工作場景；如果將時間設置更短，則可降低過濾器處理延遲，適合對重要音頻內容進行具體分析和微調。3Cs28資訊網——每日最新資訊28at.com

此外，Whisper 過濾器也支持 GPU 加速，結合 FFmpeg 本身的多線程處理，在高性能環境下能顯著提升轉錄速度。同時它還支持“Silero 語音活動檢測（VAD）”功能，能在長音頻流中自動切片語音片段，從而進一步提升識別效率和段落準確度。3Cs28資訊網——每日最新資訊28at.com

本文鏈接：http://www.yifxia.cn/showinfo-119-177650-0.html視頻背景音自動轉為文字描述：多媒體框架 FFmpeg 8.0 引入 OpenAI Whisper 音頻 AI 模型

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： Win11 10 微軟商店更新：用戶已無法徹底關閉應用自動更新，僅允許暫停最長五周

下一篇： Win11 Dev Beta 預覽版 26xxx.5751 發布：文件資源管理器右鍵菜單 UI 調整、系統托盤新懸停動畫