在 Mac 上執行 OpenAI Whisper 最簡單的方法（免寫程式）

快速解答： OpenAI 的 Whisper 模型本身不是一款 App——它是一個要用終端機安裝、執行的 Python 函式庫，這代表你得先搞定 Homebrew、正確的 Python 版本、虛擬環境、FFmpeg，而且（很常見）在拿到第一份逐字稿之前，會先撞上一堆相依套件錯誤。如果你不想寫程式，最快取得同樣本機端、私密轉錄體驗的方法，是使用一款已經內建 Whisper 的 Mac App——例如 Subtitle Studio——完全跳過設定步驟，還加上原始 Whisper 沒有的預處理與編輯工具。

如果你搜尋過「如何在 Mac 上執行 Whisper」，然後點進一篇教學文章，發現第一步之前竟然還有六個步驟，都還沒提到你的音訊檔——你沒有想錯。這篇文章會告訴你為什麼會這樣、大家通常卡在哪裡，以及免寫程式的替代方案。

---

OpenAI Whisper 是什麼（為什麼它不是一款 App）

Whisper 是 OpenAI 在 2022 年推出、之後持續更新（large-v3、turbo）的開源語音辨識模型。它真的很出色——支援 90 種以上語言、免費使用，而且完全在你自己的裝置上執行，不會上傳任何音訊。這正是為什麼那麼多人想自己動手跑跑看。

openai/whisper 的 GitHub 頁面——106k 顆星星，但這只是一個原始碼倉庫，沒有下載按鈕、沒有安裝程式，也沒有可以打開的 App

留意這個頁面缺少什麼：下載按鈕、安裝程式、App 圖示。你拿到的其實是一個 Python 原始碼資料夾——106,000 人替這個倉庫按了星星，但按星星並不會在你的 Mac 上安裝任何東西。

但這個 GitHub 倉庫是一份 研究用程式碼，不是消費性產品。官方安裝說明 預設你已經熟悉：

• 安裝與管理不同的 Python 版本
• 使用 pip 與虛擬環境
• 讀懂 Python 錯誤堆疊訊息（traceback）
• 另外安裝一個系統相依套件（FFmpeg），這跟模型本身是分開的

對機器學習研究人員來說，這些要求都很合理。但對一個今晚就想幫 YouTube 影片做好字幕的人來說，門檻實在不低。

---

「官方」在 Mac 上執行 Whisper 的完整步驟

平心而論，Whisper 的 README 寫得不錯。以下是從「什麼都沒裝」到「畫面上出現逐字稿」實際需要做的事。

步驟 1：安裝 Homebrew

如果你還沒裝 Apple 這套非官方套件管理工具，第一步就是先裝它：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

步驟 2：安裝相容的 Python 版本

Whisper 的相依套件鏈（numba、tiktoken、PyTorch）不支援最新的 Python 版本。以目前來說，Python 3.13 會讓安裝失敗——你需要 3.10、3.11 或 3.12：

brew install python@3.11

步驟 3：建立虛擬環境

為了避免 Whisper 的相依套件跟系統上其他東西打架，官方建議使用獨立環境：

python3.11 -m venv whisper-env
source whisper-env/bin/activate

步驟 4：安裝 FFmpeg

Whisper 本身不會解碼音訊——它會呼叫 FFmpeg，而這是另一個要單獨安裝的東西：

brew install ffmpeg

步驟 5：安裝 Whisper

pip install -U openai-whisper

步驟 6：跑出你的第一份逐字稿

whisper your-audio.mp3 --model turbo

六個步驟、三個各自獨立的安裝程式、一個你必須事先知道的 Python 版本限制——這些都還沒轉錄到任何一個字。而且這還是一切順利、沒出任何錯的版本。

---

大家通常卡在哪裡（GitHub 與 StackOverflow 上的真實案例）

搜尋 openai-whisper 安裝問題，會一再看到同樣幾種失敗情況。以下直接引用真實回報內容，沒有改寫。

「Whisper 無法在 Python 3.13 上使用」

如果你安裝的是 python.org 上最新的 Python，而不是用 Homebrew 指定舊版本，安裝會立刻失敗：

Getting requirements to build wheel ... error
KeyError: '__version__'

正如該討論串其中一則回答所說：「以目前 Whisper 相依套件鏈中已發佈、受支援的版本來看，Whisper 無法在 Python 3.13 上使用。」（來源：StackOverflow）解法是降版 Python、重建虛擬環境——如果你不知道 Whisper 對版本這麼敏感，根本猜不到問題出在這裡。

明明已經裝好 ffmpeg，卻還是說「找不到 ffmpeg」

這是 Mac 上最常見的 Whisper 錯誤之一，讓人抓狂的地方在於，看起來該做的都做了，錯誤卻沒消失：

FileNotFoundError: [Errno 2] No such file or directory: 'ffmpeg': 'ffmpeg'

發問者已經成功執行過 brew install ffmpeg、重新安裝過一次，甚至試過 Python 的 FFmpeg 包裝套件——實際問題其實是 FFmpeg 的執行檔沒有出現在 Python 看得到的 PATH 裡。（來源：StackOverflow）要診斷 PATH 問題，前提是你得先知道什麼是 PATH。

Mac 沒有 CUDA——但多數教學都預設你有

幾乎每一篇 Whisper 效能教學都會提到 CUDA，也就是 NVIDIA 的 GPU 框架。但 Mac 沒有 NVIDIA 顯示卡。Apple Silicon 用的是 MPS（Metal Performance Shaders），而 PyTorch 對 MPS 的支援有實際存在、有紀錄可查的缺口：

NotImplementedError: The operator 'aten::isin.Tensor_Tensor_out' is not
currently implemented for the MPS device. ... you can set the environment
variable `PYTORCH_ENABLE_MPS_FALLBACK=1` to use the CPU as a fallback for
this op.

這是一個與 Whisper 同類型的 PyTorch 模型，在 Apple Silicon 上實際出現的錯誤。（來源：GitHub — huggingface/transformers #31408）建議的解法是讓那個運算退回 CPU 執行——換句話說，為了修好一個「只因為你用的是 Mac」才會出現的 bug，你得犧牲速度。

安裝過程跳出 Rust 編譯器錯誤

Whisper 依賴 OpenAI 的 tiktoken 分詞器。如果你的平台沒有現成的 wheel 檔可用，pip 就會試著從原始碼編譯，而這需要一套你大概率沒裝過的 Rust 工具鏈。官方 README 也直接點出這點：如果安裝失敗並顯示 No module named 'setuptools_rust'，你需要額外安裝 setuptools-rust，甚至可能要裝完整的 Rust 開發環境。只是要跑一個語音轉文字模型，卻要先裝一套編譯器工具鏈。

「更快」的方案需要自己編譯原始碼

原版 Whisper 跑在 PyTorch 上，在 Mac 上明顯偏慢，所以常見的建議是改用 whisper.cpp 或 mlx-whisper 來發揮 Apple Silicon 的真正速度。這兩者確實比較快——但代價是把 Python 環境設定，換成另一種設定：

git clone https://github.com/ggerganov/whisper.cpp
cd whisper.cpp
make
./models/download-ggml-model.sh large-v3
./main -m models/ggml-large-v3.bin -f your-audio.wav

這需要 git、一套 C++ 編譯工具鏈，還要手動下載模型檔——怎麼看都稱不上「免寫程式」。而且就算你順利編譯成功，事情也可能以很難排查的方式出錯。有位資深使用者在 M4 Mac mini 上，用自己編譯的 whisper.cpp 執行檔批次處理一堆檔案：在 M1 上「跑得完全正常」，但在 M4 上，跑個幾小時後就「直接停止」輸出，沒有錯誤訊息，也沒有當機——他的解法是寫一支腳本，每小時自動關掉、重啟一次程序。（「Whisper 繼續在跑，終端機沒有任何錯誤，也沒有當機……就是不再有任何輸出了。」）（來源：Ars Technica OpenForum）

這可不是新手才會犯的錯——這是一位資深使用者，仍然需要寫腳本、排程來繞過的問題。

「安裝過程非常不友善」

這則抱怨是針對一款以 Whisper 為基礎的工具，在 GitHub 上提出的 issue，完整總結了非工程背景使用者的體驗：「安裝程式非常不友善，大檔案下載過程一直中斷，導致安裝不完整，資料夾裡也少了執行檔……對沒有寫程式背景的人來說，唯一的辦法只剩下解除安裝。」（來源：GitHub — meizhong986/WhisperJAV #85）而該討論串最後的解法，同樣是 Python 版本不相容——一位陌生網友一步步帶著發問者在終端機裡操作才解決。

就算跑起來，大模型也可能爆記憶體

large-v3 模型大約需要 10 GB 的 VRAM／統一記憶體才能順暢執行。在標配 8 GB 或 16 GB 的 MacBook 上，這個門檻相當緊繃，足以讓程序直接當掉，逼你退而求其次改用較小、準確率較低的模型。

---

就算跑起來了，Whisper 本身也不等於字幕

假設你排除萬難，終於跑出 whisper your-video.mp4 --model large-v3 這樣的指令。你拿到的是一份 逐字稿，不是字幕——對影片來說，這是完全不同的任務：

• 沒有預處理。 Whisper 會原封不動地接收你的音訊。如果有背景音樂、房間回音或吵雜的片頭，模型完全不知道要忽略——而且它有紀錄可查的問題是，在靜音或音樂段落時會產生幻覺（重複句子、捏造從未出現的對白），而不是老實承認自己不確定。
• 時間軸只是近似值。 Whisper 內建的時間戳記大約四捨五入到最近一秒——對逐字稿還好，但字幕需要在有人開口的那一刻精準出現。
• 沒有換行邏輯。 原始輸出常見冗長連續區塊或尷尬的句中斷行，而且除了打開 .srt 檔用文字編輯器手動修之外，沒有任何工具可以處理。
• 沒有翻譯功能。 如果你需要第二語言的字幕軌，那完全是另一套工具與流程。
• 沒有編輯介面。 一切都在終端機裡完成。沒有波形圖、沒有拖曳調整、也沒有復原按鈕。

換句話說，解決了安裝問題，不代表解決了字幕問題。你最後還是需要另一個工具，把粗糙的逐字稿變成真正能發布的東西。

---

最簡單的方法：完全跳過 Python，直接用 Subtitle Studio

Subtitle Studio 執行的是同一類 Whisper 模型，但包裝成一款 原生 Mac App：下載、把影片拖進去，就能拿到字幕。不用終端機、不用管理 Python 版本、不用排查 pip install 的錯誤。

Subtitle Studio 編輯器，波形、字幕列表與影片預覽對齊語音

除了完全跳過終端機安裝之外，你還能得到：

• 針對 Apple Silicon 調校的模型。 轉錄模型專門針對 M 系列晶片與 Metal 加速最佳化——而不是一套通用 PyTorch 版本，一遇到 MPS 不支援的運算就退回 CPU。
• 轉錄前的預處理。 語音活動偵測（VAD）與降噪會在 Whisper 處理音訊之前先清理過，讓背景音樂與房間雜訊造成的漏字、幻覺文字都大幅減少——這正是原始 Whisper 最為人詬病的失效模式。
• 幻覺過濾。 透過信心分數與語音活動分析，偵測並移除模型在靜音或音樂時捏造的幽靈文字，而不是直接把它們送進你的字幕檔。
• 強制對齊。 轉錄完成後，強制對齊器會將文字以詞級別對應回音訊波形，取代 Whisper 那種約 1 秒四捨五入的時間戳記，換來影格級精準時間軸。
• NLP 分段處理。 原始逐字稿會在自然片語邊界重新分段成易讀的字幕行，而不是按任意字元數硬切。
• 內建編輯工具。 拖曳調整字幕時間軸、分割過長的一行，或合併零碎片段——不必匯出到文字編輯器。

Subtitle Studio 重新對齊工具，字幕區塊正被拖曳以對齊音訊波形

• 裝置端翻譯。 將完成的字幕翻譯成 25 種語言，完全離線執行，不需要 API 金鑰，也沒有逐字計費——可參考我們的 離線字幕翻譯深度介紹，了解本機模型如何運作。

Subtitle Studio 翻譯面板，顯示語言選擇器與 AI 供應商選項

你的音訊與影片絕不會離開你的 Mac——與自己動手跑 Whisper 一樣的隱私保障，只是少了設定的麻煩。

---

Whisper 指令列 vs Subtitle Studio 並排比較

	OpenAI Whisper（指令列）	Subtitle Studio
安裝設定	Homebrew、Python 版本管理、虛擬環境、FFmpeg、pip install	下載 App、直接打開
需要寫程式	需要——終端機指令、偶爾要排查相依套件問題	不需要
Apple Silicon 加速	取決於 PyTorch 的 MPS 支援程度（有已知缺口）	內建、Metal 最佳化模型
音訊預處理	無——原始音訊直接送進模型	轉錄前先做 VAD + 降噪
幻覺處理	無——原始模型輸出	自動偵測並過濾
時間戳記精準度	約 1 秒粒度	詞級強制對齊
字幕換行	無——需手動清理	自動 NLP 分段
編輯工具	匯出檔案後用文字編輯器	波形式拖曳重新對齊、分割、合併
翻譯功能	未內建	內建、離線、25 種語言
輸出格式	.txt、.srt、.vtt	.srt、.fcpxml
費用	免費（付出的是你的時間）	一次性買斷

---

結論

如果你是開發者，想把 Whisper 寫進自動化流程、批次處理成千上萬個檔案，或自行微調模型，官方指令列工具就是對的選擇——那份彈性正是它設計的初衷，而設定成本也只需要付一次。

如果你只是想在不打開終端機的情況下，拿到準確、可直接發布的影片字幕，免寫程式的路徑會讓你更快抵達目的地：同樣的底層技術，省去環境管理的麻煩，再加上一整套原始 Whisper 從未打算納入的字幕專用工具。

---

常見問題

在 Mac 上執行 Whisper 需要懂 Python 嗎？

要使用官方的 openai-whisper 套件，答案是需要——你得安裝 Python、管理虛擬環境，並在終端機執行指令。如果你不想碰程式碼，像 Subtitle Studio 這類 App 執行的是同一類模型，但提供拖放介面，完全不需要寫程式。

為什麼 Whisper 在我的 Mac 上安裝失敗？

最常見的原因是：使用了不受支援的 Python 版本（目前 3.13 會讓安裝失敗，請用 3.10 至 3.12）、就算裝了 FFmpeg 但沒有出現在系統 PATH 裡，以及缺少編譯 tiktoken 相依套件所需的 Rust 編譯器。這幾種情況會產生完全不同、而且相當難懂的錯誤訊息。

Whisper 會用到我 Mac 的 GPU 嗎？

會，透過 PyTorch 裡 Apple 的 MPS（Metal Performance Shaders）後端，但 MPS 對 Whisper 部分運算的支援有紀錄可查的缺口——某些運算子沒有實作，會悄悄退回速度較慢的 CPU 執行。whisper.cpp 與 mlx-whisper 通常能更有效地運用 Apple Silicon，但兩者都需要自行編譯原始碼。

openai-whisper、whisper.cpp 與 mlx-whisper 有什麼差別？

openai-whisper 是 OpenAI 官方的 Python 套件——用 pip 安裝最簡單，但因為透過 PyTorch 的 MPS 後端執行，在 Apple Silicon 上速度較慢。whisper.cpp 是一套 C++ 重新實作版本，直接使用 Metal，速度明顯更快，但你得自己複製倉庫並編譯。mlx-whisper 使用 Apple 自家的 MLX 框架，在 M 系列晶片上通常是最快的選項，同樣需要類似的原始碼編譯設定。這三者都不包含音訊預處理、字幕編輯或翻譯功能——它們是轉錄引擎，不是字幕工具。

有沒有免費、又不用寫程式就能在 Mac 上跑 Whisper 的方法？

Whisper 模型本身免費且開源，但要在完全不用設定的情況下執行，需要一套包裝好的 App，而不是原始的 Python 函式庫——總得有人幫你處理安裝、模型管理與介面。Subtitle Studio 就是專為此設計的 Mac App：不需要終端機、不需要管理相依套件，一次性買斷取代訂閱制。

Subtitle Studio 用的是跟指令列一樣的 Whisper 模型嗎？

Subtitle Studio 使用的是針對影片創作者實際會遇到的混合音訊——片頭音樂上的對白、房間雜訊、多語言語音——特別優化、微調過的 Whisper 模型，並搭配 Apple Silicon 加速。它被包裝在一整套管線中（預處理、幻覺過濾、強制對齊、NLP 分段），而不是你用 pip install openai-whisper 拿到的那個獨立模型。想進一步了解這套管線如何影響實際輸出結果，可以參考我們的 MacWhisper vs Subtitle Studio 比較文章。