转录快 4 倍、显存更省faster-whisper 语音识别实操上手【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 是用 CTranslate2 推理引擎重写的 Whisper 语音识别实现作为 AI 语音转文字工具在同等准确率下比 openai/whisper 快至多 4 倍内存占用更低。本文覆盖 faster-whisper 安装、第一次转录、模型选择与常见问题。能做什么段级与词级时间戳word_timestampsTrue可拿到每个词的起止时间适合字幕对齐。VAD 静音过滤内置 Silero VADvad_filterTrue时自动跳过无语音片段默认只过滤超过 2 秒的静音。多语言支持 98 种语言默认自动检测语言也可显式指定。批量与流式自带BatchedInferencePipeline做批量转录社区项目 Whisper-Streaming、WhisperLive 以其为后端实现近实时流式转录。硬指标13 分钟音频、large-v2 模型在 GPU 上faster-whisper fp16 耗时 1m03sopenai/whisper 同配置为 2m23sint8 量化后 59s显存从 4525MB 降到 2926MB。环境与安装Python 要求 3.9 及以上音频解码由 PyAV 完成不需要系统安装 FFmpeg。faster-whisper 安装只需一条命令pip install faster-whisperGPU 为可选项。NVIDIA 环境需要 CUDA 12 的 cuBLAS 和 cuDNN 9老环境CUDA 11 cuDNN 8需降级ctranslate23.24.0CUDA 12 cuDNN 8 用4.4.0。Linux 上也可通过pip install nvidia-cublas-cu12 nvidia-cudnn-cu129.*并设置LD_LIBRARY_PATH解决。第一次转录最小可运行示例无 GPU 时直接可用from faster_whisper import WhisperModel model WhisperModel(small, devicecpu, compute_typeint8) segments, info model.transcribe(audio.mp3) print(f语言: {info.language} ({info.language_probability:.2f})) for seg in segments: print(f[{seg.start:.2f}s - {seg.end:.2f}s] {seg.text})输出解读info.language是检测到的语言及置信度每行segments是一个语音片段含start、end、text。注意segments是生成器只有迭代时转录才真正开始需要立即拿到全部结果时用list(segments)。有 GPU 时把device改为cuda、compute_type改为float16即可。模型与精度怎么选模型适用情况tiny最快实时或低精度场景small速度精度平衡CPU 常用medium质量更高速度明显下降large-v3精度最高建议 GPUturbo / distil-large-v3蒸馏加速版英文场景尤快compute_type一句话GPU 用float16显存紧张换int8_float16CPU 用int8省内存。落地场景会议纪要把会议录音丢给 faster-whisper 转成带时间戳的文本再按词级时间戳切分发言段落可直接生成可检索的文字纪要省掉逐字听录音的环节。视频字幕word_timestampsTrue配合 VAD 过滤静音词级时间戳可直接写入 SRT 文件适合批量给视频加字幕中英混合内容也能自动识别语言。常见坑现象transcribe调用后长时间无输出。原因segments 是生成器未迭代就不执行。处理用list(segments)或 for 循环消费。现象GPU 初始化报找不到 cuBLAS/cuDNN。原因缺 CUDA 12 的 cuBLAS 或 cuDNN 9 库。处理按上文装对应库或临时退回devicecpu。现象CUDA 11 老环境装最新版 ctranslate2 报错。原因新版只支持 CUDA 12/cuDNN 9。处理pip install --force-reinstall ctranslate23.24.0。现象显存不足 OOM。原因大模型 fp16 占用高large-v2 约 4.5GB。处理换int8_float16或改用 small/medium。更多参数默认值可查 faster_whisper/transcribe.py 与 faster_whisper/vad.py完整基准数据见 README.md。跑通上面的最小示例后按硬件切换模型与 compute_type其余流程不变。【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