如今，关于人工智能的工具越来越多。 随着AI的出现，大家一定听过很多关于某种模型的信息。 各厂商也在比较各型号的性能。 换句话说，它有点类似于软件和系统，我们讨论使用哪个内核的风格。
训练模型通常需要大量的计算能力，并且必须放置在专用服务器上。 训练的结果就像精炼的灵丹妙药，可以在精简的用户设备上运行。 今天我们要说的是一款结合了音频识别方面诸多优势的模型启动器——GUI。
你可能对此有点熟悉。 这是一个神经网络模型，可以在本地将语音实时转换为文本，用于翻译和字幕。 之前给大家介绍过一款叫--的软件，它可以快速进行离线操作。 语音文本识别、GPU加速等
--GUI增加了更多功能，可以快速将音视频文件转换为srt/txt/smi/vtt/lrc，并支持、、、VAD-model等技术。 简而言之，支持的可调整选项有： 比之前推荐的工具多一点。
由于此类刀具离线加工的特点，其体积相对较大。 GUI本身1.6G，安装后占用6G多，而且这还不包括后续添加模型的大小。 建议您尝试一下。 到时候，将其放在有足够空间的盘子上。
如果你想把音频和背景音乐分开，直接把文件扔进去就可以了。 我尝试了一下，效果还不错。 也可以单独设置输出内容。
对于其他模型，您需要加载其他模型。 加载模型的时候需要注意。 可以选择处理设备、CPU 或 CUDA。 如果你不是使用显卡，就选择自动即可，否则会提示加载失败。
该模型还具有多种选择。 如果上面有V3标志，记得打开这个开关。
让我们尝试一下语音转文字。 如果你觉得你的设备处理等待时间有点长，你可以挂在后台，在软件执行时切换到其他界面。 您可以在其详情页面看到具体的信息输出。 这是正确的。 比例较高，有中英文混用、首字母大写等细节。
这种机器识别的方式和人类是一样的。 识别率不可能100%正确。 识别后，会出现一些错误，需要手动调整。 在--GUI中会自行跳转到字幕制作界面，可以快速浏览。 在这里针对不同的说话者调整、分割文本等等。
设置中，有很多细节可以调整，包括调整默认语言和音频的翻译，以及防止幻听的各种参数。
这个功能在一些视频编辑软件中还是需要收费的，或者需要云端处理，而且识别准确率也只有那么高。
有了这种软件，你就可以自己手动操作了。 需要将音频转文字的朋友可以说已经准备好了~
