3 步装好 faster-whisper让 Whisper 语音转录在 GPU 和 CPU 上快 4 倍【免费下载链接】faster-whisperFaster Whisper transcription with CTranslate2项目地址: https://gitcode.com/GitHub_Trending/fa/faster-whisperFaster-Whisper 是基于 CTranslate2 推理引擎的 OpenAI Whisper 语音识别重实现相同准确率下比原生实现最高快 4 倍。这篇 faster-whisper 安装教程覆盖 GPU / CPU 两条路线从环境准备到跑通第一条转录顺带讲清最常见的版本匹配坑。faster-whisper 为什么比原生 Whisper 快 4 倍原生 openai/whisper 跑在 PyTorch 上推理框架本身的开销不小。faster-whisper 的思路是换引擎用 CTranslate2 这个 Transformer 专用推理引擎跑同一份 Whisper 模型权重天然支持 float16 与 int8 混精。模型结构和精度不变速度和内存双双变好。还有两个细节值得提前知道。一是音频解码由 PyAVav包完成它自带 FFmpeg 库不需要系统级安装 FFmpeg。二是内置的 VAD 语音活动检测用的是 Silero 模型ONNX 文件随包分发默认参数见 faster_whisper/vad.py策略偏保守只剔除超过 2 秒的静音。faster-whisper 配置GPU 与 CPU 两条路线怎么准备GPU 路线多一个硬依赖NVIDIA 的 cuBLAS 和 cuDNN 库安装坑基本都出在版本匹配上CPU 路线没有特殊依赖靠 int8 量化省内存。项目CPUGPUNVIDIAPython3.8仓库要求 3.9同左核心依赖ctranslate24.0、av、onnxruntime、huggingface_hub同左 NVIDIA 库NVIDIA 库不需要cuBLAS for CUDA 12、cuDNN 9 for CUDA 12推荐 compute_typeint8float16 或 int8_float16内存参考大模型需 16GB 以上内存显存 8GB 以上大模型⚠️坑新版 ctranslate2【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