Faster-Whisper 语音转录加速上手13 分钟音频从 2 分 23 秒到 1 分 03 秒【免费下载链接】faster-whisperFaster Whisper transcription with CTranslate2项目地址: https://gitcode.com/GitHub_Trending/fa/faster-whisper上周我手里攒了十几小时的会议录音全要转成文字存档。拿原版 Whisper 在 CPU 上挂了一夜第二天早上还在跑心态直接崩了。后来切到 faster-whisper 做同样的语音转录任务同样的模型规模同样的机器时间缩到了原来的几分之一。这篇文章把我跑通后的路径讲一遍。 一句话定位它是用 CTranslate2 重写的 Whisperfaster-whisper 不是另一套模型而是把 OpenAI 的 Whisper 搬到 CTranslate2 这个 Transformer 推理引擎上重新实现。你得到的转录文字和原版基本一个水平WER 相当但推理速度最高能快 4 倍显存和内存占用更低还支持 CPU、GPU 两种场景下的 INT8 量化。对新手来说它的 API 和原版长得很像迁移成本很低。 上手路径最快安装方式和第一次转录安装就一行这也是我推荐的唯一入口pip install faster-whisper有个省心的细节原版依赖系统里的 FFmpeg 解码音频这里不需要PyAV 已经把解码库打进来了装完就能用。第一次转录建议先用 small 模型、CPU 跑一遍确认链路通了再谈提速from faster_whisper import WhisperModel model WhisperModel(small, devicecpu, compute_typeint8) segments, info model.transcribe(meeting.mp3) for seg in segments: print(f[{seg.start:.2f}s - {seg.end:.2f}s] {seg.text})按模型名加载时对应的 CTranslate2 权重会自动从 Hugging Face Hub 下载不用手动搬文件。GPU 加速需要先装 NVIDIA 的 cuBLAS 和 cuDNNCUDA 12 版本初始化时传devicecuda, compute_typefloat16没有显卡的话compute_typeint8是最省内存的选项一句话就能切过去。 深入使用要点性能实测先看这组数再选精度我用仓库 README 里的官方基准RTX 3070 Tilarge-v2beam_size5同一段 13 分钟音频整理了一张表实现精度耗时显存openai/whisperfp162m23s4708MBfaster-whisperfp161m03s4525MBfaster-whisperint859s2926MB速度翻倍是常态INT8 再把显存压掉三分之一。精度怎么选显存够就 float16显存吃紧或纯 CPU 就 int8这是初始化时compute_type一个参数的事。一个容易踩的坑结果是个生成器transcribe()返回的 segments 是生成器调用那一刻转录并没有开始只有你遍历它时任务才真正启动。想把结果存成列表、统计时长记得用list(segments)包一下别以为拿到的就是现成数据。要不要开 VAD什么时候用录音里沉默很多比如一整天的会议、播客。怎么开segments, _ model.transcribe(meeting.mp3, vad_filterTrue)怎么注意内置的 Silero VAD 默认比较保守只裁掉 2 秒以上的静音想更激进可以传参segments, _ model.transcribe( meeting.mp3, vad_filterTrue, vad_parametersdict(min_silence_duration_ms500), )阈值调太狠会把正常停顿也切掉句子的边界和时长会跟着变先小范围验证再全量跑。词级时间戳怎么开什么时候用做字幕、逐字高亮、精确对齐。怎么开word_timestampsTrue每段里多一个words列表每个词自带起止时间。做字幕工具链的我会把这个和 VAD 一起开长音频收益最明显。 选型什么时候用它什么时候用原版就够了场景建议批量转录、有 GPU、显存吃紧faster-whisper需要 VAD、词级时间戳faster-whisper跑一两段做验证、学习原理openai/whisper 原版已经依赖原版 API 且对速度没要求openai/whisper 原版生态方面WhisperX 在它之上做说话人分离Open-Lyrics 产出 .lrc 歌词speaches 提供 OpenAI 兼容的服务端点都是现成的。想翻更多参数直接看 WhisperModel 的实现 最准。我的建议是先用 small 模型在 CPU 上把整条流程跑通再根据数据量决定要不要上 GPU 或 INT8这个顺序最省时间。【免费下载链接】faster-whisperFaster Whisper transcription with CTranslate2项目地址: https://gitcode.com/GitHub_Trending/fa/faster-whisper创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
