macOS 可用的OpenAI-whisper方案

2026-08-02 macOS

完整操作手册如下（最终输出为 SRT 字幕文件）：

Apple Silicon 本地 Whisper 字幕生成手册（mlx-whisper）

适用环境：macOS + Apple M 系列芯片
目标：隔离安装 + 生成 .srt 字幕文件

1. 创建隔离环境

# 创建专用目录
mkdir -p ~/whisper-isolated && cd ~/whisper-isolated

# 创建虚拟环境
python3 -m venv venv

# 激活虚拟环境
source venv/bin/activate

激活成功后，命令行前面会出现 (venv)。

2. 安装依赖

# 升级 pip
pip install --upgrade pip

# 安装 mlx-whisper 和 huggingface_hub
pip install mlx-whisper huggingface_hub

# 安装 ffmpeg（处理音视频必需）
brew install ffmpeg

3. 登录 Hugging Face（下载模型需要）

python -c "from huggingface_hub import login; login()"

浏览器打开：https://huggingface.co/settings/tokens
新建一个 Read 权限的 Token
复制 Token，粘贴到终端（粘贴时不显示字符，正常）
按回车完成登录

4. 生成 SRT 字幕（最终命令）

mlx_whisper '/Users/zen/Documents/media/Fucking The Police!The Best Of Hot Cops.mp4' \
  --model mlx-community/whisper-medium.en-mlx \
  --language en \
  --output-format srt \
  --output-dir .

参数说明：

--model：使用 medium.en 模型（英文优化）
--language en：指定英语
--output-format srt：输出 SRT 字幕文件
--output-dir .：输出到当前目录

运行成功后，会在当前目录生成：

Fucking The Police!The Best Of Hot Cops.srt

5. 常用可选参数

# 同时输出多种格式（txt + srt + json）
--output-format all

# 指定输出文件名（不带扩展名）
--output-name my_subtitle

# 开启词级时间戳（更精确的字幕时间）
--word-timestamps True

# 翻译成英文（非英语音频时用）
--task translate

6. 以后再次使用

cd ~/whisper-isolated
source venv/bin/activate

mlx_whisper '你的视频或音频路径' \
  --model mlx-community/whisper-medium.en-mlx \
  --language en \
  --output-format srt

7. 完全删除环境（不影响系统）

rm -rf ~/whisper-isolated

模型缓存默认在 ~/.cache/huggingface，如需一并清理可执行：

rm -rf ~/.cache/huggingface

当前正在运行的命令如果没有加 --output-format srt，生成的是 txt。
等它跑完后，直接用上面第 4 步的完整命令重新跑一次即可得到 SRT 文件。