Mindket

English_audio_transcriptor

新上架第 1 版 · 更新于

概览

在 Gradio 页面里用 wav2vec2 base 模型把英语语音转成文字,带有四段示例对白音频。适合学生、开发者,以及需要快速文字稿的人。

English_audio_transcriptor 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 装有 pip 的 Python,系统可以是 Windows、macOS 或 Linux
  • 能从 Hugging Face 下载文件的网络连接
  • 足够的磁盘空间,因为首次运行可能需要下载模型
用在
  • 网页浏览器:到 Hugging Face 上的这个 Space 就能试,不用安装
  • Windows、macOS 或 Linux:用 Python 运行一份副本
先运行
pip install -U huggingface_hub
hf download Sakil/english_audio_transcriptor --repo-type space --local-dir english_audio_transcriptor
cd english_audio_transcriptor

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这是 Sakil 做的一个 Gradio 应用,把英语语音转成文字。它列出一个模型:facebook/wav2vec2-base-960h,仓库里有四段以 Batman 和 Catwoman 对白命名的示例音频。你可以在浏览器里使用,也可以在自己的电脑上运行一份副本。

适合谁

它适合需要英语音频快速文字稿的人,也适合想看语音模型实际运行的学生和开发者。

行业谁在用怎么用例子
媒体播客作者得到一段短英语音频的粗略文字上传一段音频,读文字
教育语言学生看语音模型怎样听英语试一段示例对白音频
软件Python 开发者读 wav2vec2 模型怎样在 Gradio 里提供服务下载这个 Space,打开 app.py

如果你需要其他语言或精修的文字稿,可以跳过它,因为这个模型针对英语,输出也需要检查。

用在哪里

  • 网页浏览器:到 Hugging Face 上的这个 Space 就能试,不用安装
  • Windows、macOS 或 Linux:用 Python 运行一份副本
用途谁用得到什么
转写一段音频播客作者一段短录音的英语文字
测试模型学生快速看看它怎样听不同的声音
研究代码开发者一个加载单个语音模型的 app.py

如何设置

先准备好下面这些东西。

  • 装有 pip 的 Python,系统可以是 Windows、macOS 或 Linux
  • 能从 Hugging Face 下载文件的网络连接
  • 足够的磁盘空间,因为首次运行可能需要下载模型
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 下载到本地文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio 和 requirements.txt 里列出的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download Sakil/english_audio_transcriptor --repo-type space --local-dir english_audio_transcriptor
cd english_audio_transcriptor
pip install gradio
pip install -r requirements.txt
python app.py

如何使用

在线使用时,用 Space 页面显示的 Gradio 界面。在自己的电脑上,则在项目文件夹里运行主文件,再在浏览器里打开它提供的页面。

python app.py

示例

你在项目文件夹里运行 python app.py,打开页面并给它仓库里的 batman2_dialogue.wav。页面会返回模型在这段音频里听到的英语文字。

新手与专家

如果你是新手,先从在线版开始。到这个 Space 里,在安装任何东西之前先试一段示例音频。语音识别的意思是程序把听到的内容写下来。

如果你懂这个领域,要注意这个 Space 只列出一个 wav2vec2 base 模型,由 app.py 加载,旁边还有 packages.txt。来源没有给出错误率,所以请用你自己的录音测试。

  1. 打开 Space 或运行 app.py
  2. Gradio 页面加载
  3. 你给它英语音频
  4. wav2vec2 模型读取它
  5. 文字显示在页面上

注意事项

语音模型可能听错人名和嘈杂的音频,所以请对照录音检查文字稿。

  • License: apache-2
  • Cost to run: 未列出,没有 API 密钥、账号或付费服务
  • Data it reaches: 你给它的音频和它所列的模型,没有列出其他内容

README 和文件

README

English_audio_transcriptor

在 Gradio 页面里用 wav2vec2 base 模型把英语语音转成文字,带有四段示例对白音频。适合学生、开发者,以及需要快速文字稿的人。

由 Sakil 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这是 Sakil 做的一个 Gradio 应用,把英语语音转成文字。它列出一个模型:facebook/wav2vec2-base-960h,仓库里有四段以 Batman 和 Catwoman 对白命名的示例音频。你可以在浏览器里使用,也可以在自己的电脑上运行一份副本。

适合谁:它适合需要英语音频快速文字稿的人,也适合想看语音模型实际运行的学生和开发者。

行业 | 谁在用 | 怎么用 | 例子
媒体 | 播客作者 | 得到一段短英语音频的粗略文字 | 上传一段音频,读文字
教育 | 语言学生 | 看语音模型怎样听英语 | 试一段示例对白音频
软件 | Python 开发者 | 读 wav2vec2 模型怎样在 Gradio 里提供服务 | 下载这个 Space,打开 app.py

如果你需要其他语言或精修的文字稿,可以跳过它,因为这个模型针对英语,输出也需要检查。

用在哪里:

  • 网页浏览器:到 Hugging Face 上的这个 Space 就能试,不用安装
  • Windows、macOS 或 Linux:用 Python 运行一份副本
用途 | 谁用 | 得到什么
转写一段音频 | 播客作者 | 一段短录音的英语文字
测试模型 | 学生 | 快速看看它怎样听不同的声音
研究代码 | 开发者 | 一个加载单个语音模型的 app.py

如何设置:先准备好下面这些东西。

  • 装有 pip 的 Python,系统可以是 Windows、macOS 或 Linux
  • 能从 Hugging Face 下载文件的网络连接
  • 足够的磁盘空间,因为首次运行可能需要下载模型
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 下载到本地文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio 和 requirements.txt 里列出的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download Sakil/english_audio_transcriptor --repo-type space --local-dir english_audio_transcriptor
cd english_audio_transcriptor
pip install gradio
pip install -r requirements.txt
python app.py

如何使用:在线使用时,用 Space 页面显示的 Gradio 界面。在自己的电脑上,则在项目文件夹里运行主文件,再在浏览器里打开它提供的页面。

python app.py

示例:你在项目文件夹里运行 python app.py,打开页面并给它仓库里的 batman2_dialogue.wav。页面会返回模型在这段音频里听到的英语文字。

新手与专家:如果你是新手,先从在线版开始。到这个 Space 里,在安装任何东西之前先试一段示例音频。语音识别的意思是程序把听到的内容写下来。

如果你懂这个领域,要注意这个 Space 只列出一个 wav2vec2 base 模型,由 app.py 加载,旁边还有 packages.txt。来源没有给出错误率,所以请用你自己的录音测试。

打开 Space 或运行 app.py
Gradio 页面加载
你给它英语音频
wav2vec2 模型读取它
文字显示在页面上

注意事项:语音模型可能听错人名和嘈杂的音频,所以请对照录音检查文字稿。

  • License: apache-2
  • Cost to run: 未列出,没有 API 密钥、账号或付费服务
  • Data it reaches: 你给它的音频和它所列的模型,没有列出其他内容

Hugging Face 上的数据(2026年11月13日)

  • 点赞:2
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/Sakil/english_audio_transcriptor
  • 文件:https://huggingface.co/spaces/Sakil/english_audio_transcriptor/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-13

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
English_audio_transcriptor 本页2gradioapache-2.0
MusicGen共有 gradio5,116gradiocc-by-nc-4.0
Kokoro TTS共有 gradio3,556gradioapache-2.0
Background Removal共有 gradio2,988gradiomit
Omni Image Editor共有 gradio2,922gradiomit
Diffusers Image Outpaint共有 gradio2,565gradioapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

效率类的相似商品

查看效率类的全部商品

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k