开发了一个免费的批量视频语音字幕识别工具，核心点是可批量自动处理识别任务

这个批量识别功能是免费的、无限制的、可批量使用的功能，可实现音频、视频文件语音识别转txt文本、srt字幕，主要是能批量执行识别任务，不用手动一个个去识别，这是与其他语音识别软件的最大的区别，而且可同时处理视频和音频文件，非常适合批量创作的公司和工作室。

一、具体使用步骤说明

1、打开维多视频批量工具，在左侧功能栏中找到「AI模型」模块，选择「批量语音识别」功能，进入操作界面。

2、点击选择要处理的音视频文件夹，可将音频、视频文件同时放入该目录，软件会自动识别可处理文件，无需手动分类。建议将输出文件夹与待处理音视频文件夹设置为同一目录，方便后续查找结果。

3、选择文件夹后，软件会自动将目录内可处理的音视频文件添加至任务列表，音频、视频格式均支持处理。示例中测试了三个文件（1个4分钟音频、1个52秒音频、1个67秒视频）。

4、设置输出格式，在输出设置中选择文件格式，支持单独生成TXT文本文件、SRT字幕文件，也可选择同时输出两种格式，适配不同使用场景（如纯文本整理、视频剪辑字幕导入）。

5、配置识别模型与语言，选择需使用的大模型（多模型配置方法见后续补充），为提升识别准确率，需选择与语音对应的语言，不建议使用「自动检测」模式，因为这可能会影响识别结果准确性和处理速度。

6、保持「智能分割字幕」功能默认选中状态，该功能可优化SRT字幕的分段效果，使字幕与语音节奏更匹配。

二、Whisper模型安装与配置

语音识别依赖的是Whisper大模型，我已经把对应的整合包打包好了，安装流程非常简单，软件内页也提供了详细说明，使用时软件会自动检测模型配置状态，未正确配置则需按以下步骤操作。

1、先下载模型，根据电脑配置选择对应整合包，有比较好独立显卡的电脑，建议选择支持GPU的模型，提升识别速度。如果电脑没有独立显卡或者显示比较差的，选择使用纯CPU模型，实测纯CPU模型识别准确率较高，就是速度比较慢，另外如果没有独立显卡，选择带Cabus标识的模型是用不了的，会报错。

2、下载压缩包后，解压至无中文路径的文件夹（重点提醒：Whisper模型所在路径不能包含中文，否则会影响配置生效和使用）。

3、解压好whisper模型后，在维多视频批量工具设置界面选择已解压的Whisper目录，软件会自动检测配置是否成功。

4、如果你需使用多个模型，只需将不同模型的bin文件下载并放入解压目录下的models文件夹中即可，软件会自动识别，软件对应的bin模型文件在models这个文件夹中，需求的可以同时下载多个模型，然后把不同模型中的models文件夹下面的bin文件复制到同一个模型目录中就可以了。