为什么要写这篇博客 
因为网上对于 Whisper 模型的中文优化博客几乎都是从同一篇文章抄的，一个字都不带动，要不就是完全用 AI 生成的赛博垃圾。在这里点名批评： 

https://www.cnblogs.com/v3ucn/p/17987069
https://developer.baidu.com/article/details/3241515
https://v3u.cn/tag_id_3093

我花了些时间自己整理了足够可行的方案，在此分享。 

众所周知，Whisper 模型是 --CloseAI-- OpenAI 开源的一个 STT 模型，性能强劲的同时可以直接在本地运行。但是你如果尝试过直接使用 Whisper 模型（或者速度优化后的 Faster-Whisper 模型）来转录中文语音，你会发现几乎必须要使用参数量最大的 Large-v3 模型才有能看的效果。 
我...