免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

语音转文字终极方案 MOSS-Transcribe-Diarize整合包分享 本地离线整合包 区分说话人带时间戳一步到位

发布日期:2026-08-18 21:40:29 浏览次数: 1716
作者:小二黑AI工坊

微信搜一搜,关注“小二黑AI工坊”

推荐语

MOSS-Transcribe-Diarize整合包:本地离线语音转文字终极方案,区分说话人+时间戳一步到位,适配会议/录音场景!

核心内容:
1. 语音转文字旧方案痛点:配置高、区分说话人难、无webui界面
2. 整合包核心功能:端到端一体化、区分说话人、带时间戳、热词设置
3. 本地部署优势:一键启动、低配置适配、多格式导出支持

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
很早以前,我有个需求,我想要一个语音转文字工具,首先对配置要求要低,中文识别准确率高,带时间戳,最关键的是要区分说话人。比如某些场景:电话录音、会议纪要,对于说话人区分很重要。当时找了市面上很多开源项目比如FunASR、SenseVoice、Qwen-audio、还有Whisper,也挨个研究过本地部署,但是多多少少都有问题,要么不是原生区分说话人,要么配置要求高,要么不带webui界面,折腾来折腾去最后就放弃了,当时觉得我这个需求短期内没法实现了。
直到2026年7月6日,Moss这个大家族开源了一个项目 MOSS-Transcribe-Diarize 0.9B这个音频理解模型支持区分说话人、带时间戳、主打中英文,完美适配我的需求。
先说功能,MOSS-Transcribe-Diarize官方自带webui界面,上传音频直接转文字,区分说话人,实测3人对话没问题;时间戳精准对应;还带热词设置,比如专业领域里面的冷门词汇,你填上后直接识别一劳永逸;还支持字幕调节并添加到视频等
为了验证一下效果,我仔细琢磨了一下官方文档,先确定一下是不是我理解的那样:
技术报告:https://arxiv.org/pdf/2601.01554
模型主页:https://mosi.cn/models/moss-transcribe-diarize
官方仓库:https://github.com/OpenMOSS/MOSS-Transcribe-Diarize
和以往常见方案最大的不同在于,它属于端到端一体化模型。很多开源方案都是语音识别、说话人区分两套模型分开运行,不仅步骤繁琐,还很容易出现时间戳错位、发言人匹配混乱。而 MOSS-Transcribe-Diarize 只需要一次推理,同步完成转写、人声区分、时序标注,重叠发言、多人交替对话场景稳定性要好不少。
还是老情况,项目好归好,本地部署起来肯定需要门槛,为了方便咱们小白用户,我已经将项目的环境、依赖、模型都打包制作了一键整合包。
整合包内置完整虚拟运行环境、适配好的 CUDA 组件与 FFmpeg 工具,不需要大家单独安装 Python,断网环境下同样能够正常使用。双击启动.BAT文件就能自动拉起 WebUI 网页,显卡会自动启用 GPU 加速,没有独立显卡也可以 CPU 模式运行。同时我预设好了长音频参数,支持批量导入音视频,结果可以直接导出 TXT、SRT、ASS 多种字幕文件,自媒体剪辑、整理会议文档都能直接用上。
然后个人实测,峰值显存占用是3GB左右,内存11GB左右,这是有独立显卡的情况,个人觉得低于这种情况一样运行;然后CPU模式,大家可以对号入座,我I5-8400cpu+16GB内存无显卡能正常运行,速度能接受,这个应该就是一般办公电脑的配置了吧,完美适配上面说的会议纪要转写场景。
下面简短的说一下操作流程:
1.双击 启动.bat
然后等一会就自动弹窗到浏览器
2.正常的操作页面就这样,然后点开高级
3.高级设置很重要,主要就是设置这里能提升效率
重点说几个,红叉子不要动,这是官方系统提示词,除非你懂,否则别动!!!
热词框:比如冷门词汇但是在这段音频里总出现,你写这里,它就不会转写错误,每个热词之间用逗号隔开就行。
输出tokens框:这里可以理解为输出文字数量,不一定是1:1对应,长文本你就加个0在后面,20分钟以内的音频就不用管,如果太长可能就会不完整,到底数量上限就不转写了
4生成结束就这样,可以继续操作
右边能下载文件,4种格式一点击就下载
说话人根据音频里面人数生成,3人就有S03,然后你根据人物声音判断是谁写上,然后字幕就同步了,可以直接给视频加上字幕
下面还有字号、字位置、显示人名、说话人字幕带颜色,都根据自己需求填写就行。
最后说一句,如果您想局域网开服务给大家用,目前情况是生成任务都能看见,比如张三用你服务转写了一个,李四打开页面能看到任务记录,所以如果想开网络服务记得删除任务或者想办法做用户隔离,如果自己用可以忽略。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅