使用faster-whisper-GUI GPU版可离线完成会议录音转写：需NVIDIA独显（RTX 2060+）、CUDA驱动12.1+、VC++运行库；选large-v3-turbo模型、cuda设备、int8精度、zh语言；启用说话人分离，拖入音频即可生成带时间戳的中文文本。
你需要在Windows电脑上把一段会议录音文件（比如MP3或WAV）直接转成带时间戳的中文文字稿，全程不联网、不传云端，还要充分利用NVIDIA显卡加速，让1小时录音15分钟内出结果。这要求你跳过所有Web界面和命令行调试，直奔GPU加速的图形化操作路径。
确认硬件与环境是否达标
右键“此电脑”→“属性”，查看是否安装了NVIDIA显卡（RTX 2060及以上更稳）；打开任务管理器→“性能”页签，确认有“GPU”项且使用率可监控。若只有Intel核显或AMD集显，本方案不适用——【必须是NVIDIA独显】。Python无需手动装，faster-whisper-GUI一键包已内置精简版Python 3.10.12，但需确保系统已安装Visual C++ 2015–2022运行库（缺失会报错“VCRUNTIME140_1.dll not found”，去微软官网搜该名称下载安装即可）。
下载并启动GPU专用版GUI
访问GitCode镜像站下载 faster-whisper-GUI Windows预编译包（文件名含“cuda”或“gpu”字样），解压到不含中文和空格的路径，例如 E:\faster-gpu\；双击运行 start_gpu.bat（不是FasterWhisperGUI.py）；浏览器自动打开 http://127.0.0.1:7860 —— 这是Gradio界面，比PySide6版启动更快、GPU识别更准。
首次加载时界面右下角会显示“Loading CUDA backend...”，等待10秒左右出现绿色“GPU Ready”提示才算真正就绪。如果卡在黄色“CPU fallback”状态，说明CUDA驱动版本太旧，需升级到12.1以上（去NVIDIA官网下载Game Ready驱动即可，不必装完整CUDA Toolkit）。
让 Windows 桌面程序在开机时静默自启并隐藏到系统托盘。特别适用于 Flutter、Electron 等无视 VBS/ProcessStartInfo 窗口样式、难以隐藏的顽固应用。提供「VBS 启动器 + Python ctypes/Win32 API」的隐藏窗口方案，可稳定把窗口收进托盘且不闪控制台。
配置模型与GPU参数
第一步：在“Model”区域选择 【large-v3-turbo】 —— 它比large-v3快40%且中文准确率几乎不降，是当前GPU加速下的最优解；
第二步：Device选 【cuda】，不要选“auto”或“cuda:0”，后者在多卡机器上可能误绑到计算力弱的副卡；
第三步：Compute Type选 【int8】，这是GPU显存占用最小、速度最快的精度，RTX 3060 12GB显存跑int8 large-v3-turbo完全不爆显存；
第四步：Language强制设为 【zh】，避免自动检测耗掉前30秒静音段，对纯中文会议提速明显。
导入录音并启用说话人分离
方法一（推荐）：直接把会议录音文件拖进网页中间的上传区，支持MP3/WAV/M4A/MP4（视频会自动提取音轨）；
方法二：点击“Browse”按钮，定位到文件，单击确定；
开启“Speaker Diarization”开关——这个功能依赖WhisperX引擎，能自动标出“[发言人A]”“[发言人B]”，对多人会议纪要整理至关重要；
注意：开启说话人分离后，首次运行会额外下载约180MB的pyannote-audio模型，进度条在界面顶部显示，别误以为卡死。
开始转写并导出纯文本
点击「Start Transcription」按钮；
实时看到逐句输出，每句左侧带时间戳（格式如 [00:12:05.340]）；
转写完成后，页面下方出现“Export as TXT”按钮，点击即下载无格式纯文本；
若需复制编辑，直接全选→Ctrl+C即可，所有换行和标点都已按语义分段，不用再手动删空行或合并断句。
