malue-ai MLX Whisper 语音转文字
利用 Apple Silicon 的 MLX 框架本地转录语音，速度是 OpenAI Whisper 的 10 倍。完全离线，隐私安全。
使用场景
- 用户说「帮我把这段录音转成文字」「转录这个音频文件」
- 需要快速转录会议录音、语音备忘录
- 优先于 openai-whisper（更快）和 openai-whisper-api（免费、隐私）
前置条件
pip install mlx-whisper
需要 Apple Silicon Mac（M1/M2/M3/M4）。
执行方式
基本转录
import mlx_whisper
result = mlx_whisper.transcribe(
"audio.mp3",
path_or_hf_repo="mlx-community/whisper-large-v3-turbo",
)
print(result["text"])
带时间戳
result = mlx_whisper.transcribe(
"audio.mp3",
path_or_hf_repo="mlx-community/whisper-large-v3-turbo",
word_timestamps=True,
)
for segment in result["segments"]:
print(f"[{segment['start']:.1f}s - {segment['end']:.1f}s] {segment['text']}")
模型选择
| 模型 | 大小 | 速度 | 准确度 |
|---|---|---|---|
whisper-tiny |
39M | 最快 | 一般 |
whisper-base |
74M | 快 | 较好 |
whisper-small |
244M | 中 | 好 |
whisper-large-v3-turbo |
809M | 较慢 | 最佳 |
默认使用 large-v3-turbo，短音频（<1分钟）可用 small 加速。
语言指定
result = mlx_whisper.transcribe("audio.mp3", language="zh")
输出规范
- 默认输出纯文本
- 用户需要时提供带时间戳的分段输出
- 长音频显示转录进度
- 首次使用时自动下载模型（约 800MB），提醒用户