[独立开发出海产品] 做了一个在线音视频转文字工具

[seek0205]

各位大佬好，新人来报道。

我是 Bluest ，普通三本毕业，之前在大厂工作了 2 年。最近因为职业变化，受大佬启发，开始尝试做一些面向海外用户的小产品，希望通过独立开发赚点美元，也积累一些产品经验。思路就是种一棵树最好的时刻就是现在。

最近做了一个在线工具：WhisperWebUI

它是一款基于 Whisper AI 的免费在线音视频转文字工具，支持直接上传音频或视频文件，并将内容转换为文本。 目前支持：音频、视频在线转文字、100 多种语言识别 浏览器直接使用，无需安装软件

支持导出 TXT 、SRT 、VTT 和 PDF 文件 支持 Windows 、macOS 、Linux 、Android 和 iPhone

欢迎大家体验我最近开发的在线音视频转文字工具： WhisperWebUI

这是我第一次认真尝试做出海产品，功能和体验还有很多可以改进的地方。欢迎各位大佬帮忙体验，也希望大家多提意见，我会认真参考和持续改进。

[SamRol]

兄弟你好，请教一下像你网站里的订阅支付是用什么平台来做支付通道的啊，谢谢

[alie123]

哪搞的 gpu 服务器，有便宜的吗

[zhw2590582]

这个赛道挤满人了啊

[iyuanyi]

https://freeaudiototext.com 发来贺电，感觉这个赛道超员严重啊

[jackerbauer]

这种是对接大厂 API ，还是自己用算力部署模型搞得 ？

[bkingfilm]

导出 SRT 那条建议看下时间戳的精度。Whisper 原生给的是句级时间戳，一句话越长偏得越多，十几秒一句的开头能差半秒以上，拿去当字幕跟画面对不上。上一层强制对齐拿到词级时间戳会准很多。

另一个坑是静音段的幻觉。长时间没人说话的地方 Whisper 会自己编一句出来，最常见的就是片尾冒出感谢观看那种字。先过一遍 VAD 把静音切掉再喂进去，能少掉大半。