WhisperJAV

给JAV视频一键生成高准确率字幕，嘈杂环境也能听清

WhisperJAV 是一个面向日语成人视频（JAV）场景的自动语音识别（ASR）与字幕生成工具。它解决了通用语音识别模型在噪声环境、多人对话、特殊语气词等场景下准确率低的问题，通过集成 Qwen3-ASR、本地大语言模型（LLM）、Whisper 以及 TEN-VAD 语音活动检测技术，实现了对嘈杂音频的鲁棒识别，并自动生成带时间轴的字幕文件。核心能力包括：高噪声容忍度、多模型协同优化、本地化处理保障隐私、以及针对日语口语和术语的专门优化。项目基于 Python 开发，适合需要批量处理视频字幕、内容检索或无障碍观看的用户。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2268

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队meizhong986

所属国家

官网地址https://github.com/meizhong986/WhisperJAV/releases/latest

GitHubhttps://github.com/meizhong986/WhisperJAV

定价模式free

价格说明开源项目，MIT许可证，本地部署，完全免费。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型aitranslate,hallucination,japanese,llm,modelscope,qwen3,qwen3-asr,speech-to-text,speechenhancement,subtitling,ten-vad,whisper,zipformer

GitHub 星标★ 2268

30天Star增速

HF 下载量

上线时间2023-10-18 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：入门约 20 分钟部署方式：本地安装 8 步

环境要求

Windows 系统（官方推荐使用独立 .exe 安装包）
无需 Python 知识，安装程序会自动配置 Python、PyTorch、FFmpeg 及依赖
NVIDIA 显卡可选：有卡则自动装匹配的 CUDA 版，无卡则装 CPU-only 版
至少预留约 3 GB 空间用于首次下载模型；安装过程需 10–20 分钟

安装与启动步骤

1下载安装包

从 GitHub Releases 页面下载最新的 Windows .exe 安装包，页面地址见官网链接。
2运行安装程序

双击运行 .exe，无需管理员权限，默认安装到 %LOCALAPPDATA%WhisperJAV。
3等待环境配置

安装程序自动装 Python、PyTorch、FFmpeg 和依赖，并检测 NVIDIA 驱动选择 CUDA 或 CPU 版本，约 10–20 分钟。
4启动图形界面

从桌面快捷方式启动，或执行命令打开 GUI；添加文件、选择模式后点击 Start。
```
whisperjav-gui
```
5命令行转写单个视频

最简用法，使用默认参数直接处理视频文件，字幕输出到视频旁边。
```
whisperjav video.mp4
```
6批量处理整个文件夹

传入文件夹路径并指定输出目录，可批量生成字幕。
```
whisperjav /path/to/folder --output-dir ./subtitles
```
7调整模式与灵敏度

用 --mode 选择处理模式、--sensitivity 控制识别灵敏度，适合嘈杂音频。
```
whisperjav video.mp4 --mode balanced --sensitivity aggressive
```
8升级或回滚版本

全平台通用的升级命令；如需回退到旧版本可加 --rollback 参数。
```
whisperjav-upgrade
```

关键配置

配置项	必填	说明	示例
`--mode`	否	选择处理模式，默认使用默认模式	`balanced`
`--sensitivity`	否	控制识别灵敏度，嘈杂场景可调高	`aggressive`
`--output-dir`	否	指定字幕输出目录，适合批量处理	`./subtitles`
`--output-format`	否	输出字幕格式，默认 SRT，可选 WebVTT 或两者	`both`

如何确认成功

运行结束后在视频同目录或 --output-dir 指定目录下看到同名 .srt 字幕文件即成功。

常见问题

Q：需要自己先装 Python 吗？

A：不需要。Windows 独立安装包会自动配置 Python、PyTorch、FFmpeg 和全部依赖，无需 Python 知识。

Q：没有 NVIDIA 显卡能用吗？

A：可以。安装程序检测不到 GPU 时会安装 CPU-only 版本，功能完整但识别速度较慢。

Q：为什么首次运行很慢？

A：首次转录会自动下载约 3 GB 的模型文件，下载完成后后续使用会快很多。

Q：支持哪些输入格式？

A：任何 FFmpeg 能读取的格式都可以，如 MP4、MKV、AVI、WMV、MP3、WAV、FLAC 等。

Q：怎么升级或退回旧版本？

A：执行 whisperjav-upgrade 升级；若需回滚则执行 whisperjav-upgrade --rollback。

注意事项

媒体文件全部在本机处理，不会上传云端，隐私有保障
安装耗时 10–20 分钟，期间请勿中断，安装程序会自动匹配 CUDA 或 CPU 版本
无需管理员权限，默认安装路径为 %LOCALAPPDATA%WhisperJAV
官方还提供 Colab 和 Kaggle 在线笔记本版本，适合没有本地环境的用户

核心亮点

集成多种先进模型（Qwen3-ASR、Whisper、TEN-VAD），在噪声环境下识别准确率显著优于单一模型
支持本地化运行，无需上传视频，保护隐私且降低延迟
自动生成字幕文件，可直接用于播放器加载，提升观看体验

不足之处

主要针对日语场景，对其他语言支持可能有限
依赖多个模型，配置和部署门槛相对较高

适用场景

日语视频字幕自动生成
嘈杂环境下的语音转写（如综艺、采访）
本地视频内容索引与检索

替代项目

Whisper、faster-whisper、Vosk

项目介绍

WhisperJAV 是语音识别领域的开源项目，由 meizhong986 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（2,268）位列前 30%，在语音识别分类中处于中上游。

近 42 天，它的 GitHub 星标从 2,108 增加到 2,268，净增 160。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。MIT许可证，本地部署，完全免费。

它主要面向的使用场景是：日语视频字幕自动生成。同类可对比的替代方案包括 Whisper、faster-whisper、Vosk。

上一篇：openless

下一篇：FireRedASR