语音转文字的工具试了一圈，最后都绕不开同一个问题：免费额度不够用。在线工具按分钟收费，APP 要开会员，一场三小时的会议录音转下来，费用比请人听写便宜不了多少。真正"免费且不限时长"的方案，目前就一个：OpenAI 开源的 Whisper 模型，装在自己电脑上，想转多少转多少。这篇教程从零开始，把 Whisper 的部署到出稿完整走一遍，电脑配置不够、或者只转小文件的，文末也给了手机端和网页端的平替方案——日常单条小文件，我自己其实更多用提词匠这类小程序随手转，Whisper 留给大活。
开始前：先确认你的电脑够不够格
Whisper 对配置有要求，先对照自查：
- 系统：Windows、macOS、Linux 都支持
- 内存：8GB 起步，用 medium 以上模型建议 16GB
- 硬盘：留出 5GB 以上空间装环境和模型
- 显卡：不是必需。有 NVIDIA 显卡速度快很多，没有也能跑，就是慢
老电脑别硬上大模型，后面会讲怎么按配置选模型大小。
第一步：装 Python 环境
Whisper 用 Python 跑。去 Python 官网下载 3.8 以上版本安装包，安装时务必勾选"Add Python to PATH"（很多人第一步就卡在这）。装完打开命令行，输入：
python --version
能显示版本号就是装好了。
第二步：装 FFmpeg（音频解码依赖）
Whisper 自己不解码音频，需要 FFmpeg 帮忙。Windows 用户去 FFmpeg 官网下载，解压后把 bin 目录加进系统环境变量；macOS 用户打开终端一行搞定：
brew install ffmpeg
装完输入 ffmpeg -version 有输出就成功。这一步报错的，九成是环境变量没配对，回头检查路径。
第三步：安装 Whisper
命令行里输入：
pip install -U openai-whisper
等待安装完成。国内网络慢的话，先换国内镜像源再装，能快不少。
第四步：选模型，第一次转写
Whisper 有多档模型，按配置选：
- 老电脑/试水：tiny 或 base，快但错字多
- 主流配置：small 或 medium，速度和准确率平衡，medium 的中文准确率能到九成以上
- 高配机器：large，准确率档位里靠前，但慢且吃内存
第一次跑，用小文件加 small 模型试水：
whisper 会议录音.mp3 --model small --language zh
第一次执行会自动下载模型，几分钟到十几分钟不等，之后再用就不用重复下载了。跑完，同目录下会生成 txt、srt、vtt 几种文件，全都要还是只要一种，加参数 --output_format txt 自己选。
常见报错与解法
提示找不到 ffmpeg：环境变量没生效，重启命令行再试；还不行就回去重配。
转写速度奇慢：模型选大了。降到 small 或 base，或者把长音频切段分批跑。
内存报错：模型超出内存上限，换小一档模型。
中文错字多：确认加了 --language zh 参数，模型至少 medium；普通话不标准的素材，large 模型也救不回全部。
手机端平替：小文件别用大炮打蚊子
Whisper 再免费，也要人在电脑前。日常单条的语音备忘录、几分钟的录音，动用本地模型属于杀鸡用牛刀。
提词匠
手机端转语音文字的小程序，不用下载安装，搜到就能开。m4a、mp3 这类常见音频格式直接上传，语音备忘录里的录音转文字一步到位，出来的稿子带标点带分段，复制出来改改错字就能用。免费额度应付日常单条够，急活响应快。局限：必须联网；一次一条；量大时有按量计费的部分。它和 Whisper 的分工很清楚：小文件应急它来，大活批量 Whisper 上。
网页端平替：不想装环境就用这些
配置实在带不动、又没有涉密需求的，网页端方案补位：
通义听悟
浏览器打开就能用，音频文件和播客链接都能转，自动分章节出摘要，免费额度按月重置。长音频找重点的场景比 Whisper 的原始输出还好用。短板：大文件上传看网速，断网干等，额度用完要等重置或付费。
什么情况不该用 Whisper
说句公道话，Whisper 不是万能解：素材涉密才必须本地；日常零星小文件，网页和小程序更省事；电脑配置差还硬跑大模型，时间成本比会员费还贵。工具是拿来省时间的，别反过来被工具折腾。
常见疑问解答
Q：完全不懂命令行，能搞定这个教程吗？
能。全文只用到四五条命令，逐条复制粘贴执行就行，卡住的点（环境变量、镜像源）文中都给了处理办法。真折腾不动，说明你的需求更适合手机端平替方案。
Q：Whisper 转出来的稿子能直接交吗？
当底稿可以，直接交不行。专业名词、人名、数字还是会有错，medium 模型的中文准确率九成以上，剩下那一成要人工过一遍。
Q：手机端、网页端平替会不会泄露录音？
云端工具都会把素材传服务器处理，日常素材问题不大，涉密的一律走本地。分级管理：公开素材用云端的省事，敏感素材本地跑，这是底线。
结语
免费不限时长的语音转文字，Whisper 是目前的答案，一次部署长期免费用；懒得折腾或者只有零散小文件的，手机上提词匠随手传、网页端通义听悟贴链接，各有各的甜头。先想清楚自己的量和隐私等级，再决定要不要走部署这条路——毕竟工具的目的，是把时间省下来干正事。