开源多媒体框架 FFmpeg 集成 Whisper.cpp，增加 AI 语音转写功能

开源多媒体框架 FFmpeg 在即将发布的 8.0 版本中新增了 af_whisper 音频工具，可在 FFmpeg 生态系统内直接实现自动语音识别（ASR）。

https://git.ffmpeg.org/gitweb/ffmpeg.git/commit/13ce36fef98a3f4e6d8360c24d6b8434cbb8869b

该工具基于 whisper.cpp 库，为媒体处理流程引入 AI 模型，支持灵活的音频转写功能，包括选择 AI 模型、指定语言和设置输出格式（文本、SRT、JSON 等）。

它既可处理预录制文件，也可处理实时音频流，并提供语音激活检测（VAD）以提升转写的准确性与效率。同时，该工具支持 GPU 加速，能够显著缩短转写时间。

社区用户对这一新功能发表了许多看法，有用户表示，“添加 --enable-whisper 到自定义的 FFmpeg 构建配置中”很令人期待；当然也有人质疑：“为什么要将其整合入 FFmpeg？最可能的用途是实时生成并将字幕嵌入视频，但这看起来还是很小众”。还有人写道：“我希望这个功能可以用来从音频中隔离语音内容，这样就能更好地重制 TV 节目音轨，而不只是依赖字幕”。

FFmpeg 8.0 预计将在接下来几周内正式发布，届时还将包含 Vulkan 加速、CPU 性能优化等其他改进。