IT之家 8 月 13 日消息，FFmpeg 是一个流行的开源媒体播放器通用框架，现在包含了一个新的 af_whisper 音频工具，可以直接在 FFmpeg 生态系统中实现自动语音识别（ASR）。

该工具使用了 whisper.cpp 库，为媒体处理工作流程添加了一个 AI 模型，允许进行灵活的音频转译文本，包括选择 AI 模型、指定语言以及设置输出格式，如文本、SRT 或 JSON。

该工具可以处理预录制的文件和实时音频流，用户还可以使用语音激活检测（VAD）来提高转写的准确性和效率。

IT之家注意到，该工具还支持 GPU 加速，可以显著加快转写过程。对于用户来说，这一功能取代了对外部、多步骤转写过程的需求，将任务整合到一个高效的单命令行工作流程中。