faster-whisper 语音转文字实战指南：CTranslate2 提速 4 倍，3 步跑通

faster-whisper 语音转文字实战指南CTranslate2 提速 4 倍3 步跑通【免费下载链接】faster-whisperFaster Whisper transcription with CTranslate2项目地址: https://gitcode.com/GitHub_Trending/fa/faster-whisper会议录音、播客、课程视频里沉淀了大量信息但转成文字这一步常常被卡住原始 Whisper 模型精度不错速度却让人犹豫一段 13 分钟的音频要跑两分多钟。faster-whisper 语音转文字用 CTranslate2 推理引擎重写了这部分同样条件下 13 分钟音频约 1 分钟出头就能出结果。本文从安装到跑通示例把关键配置和常见坑一次讲清。项目定位它是什么faster-whisper 是基于 CTranslate2 对 OpenAI Whisper 的重实现模型以 int8 或 float16 量化后在 CPU/GPU 上推理。官方基准显示相同精度下推理速度可达 openai/whisper 的 4 倍内存占用更低且解码音频由内置的 PyAV 库完成不需要系统单独安装 FFmpeg。适合需要批量处理音频、在自有机器上跑转录、不依赖在线 API 的开发者。⚡ 快速上手三步装好并验证准备 Python 3.9 及以上环境。安装依赖一条命令即可pip install faster-whisper写最小示例指定模型名和运行设备from faster_whisper import WhisperModel model WhisperModel(base, devicecpu, compute_typeint8) segments, info model.transcribe(audio.mp3) print(info.language, info.language_probability) for segment in segments: print(f[{segment.start:.2f}s - {segment.end:.2f}s] {segment.text})跑通的判断标准控制台先打印出检测到的语言及概率随后逐行输出带起止时间的文本。首次运行会自动下载模型权重并缓存到本地之后的启动不再重复下载。另外注意segments是生成器只有进入for循环遍历后转录才真正开始。 核心能力拆解转录与翻译二合一。transcribe的task参数默认是转录改成translate后直接把语音转成英文文本外文采访、外语课程一步到位。段级与词级时间戳。每段结果自带起止时间传入word_timestampsTrue后还能拿到每个词的时间位置。它解决的是字幕生成、视频定位到具体一句话的问题。VAD 静音过滤。内置 Silero VADvad_filterTrue可先筛掉无人声的片段再交给模型默认只移除超过 2 秒的静音。长音频里大段空白不再浪费算力还可用vad_parameters调整阈值。批量推理管线。BatchedInferencePipeline是WhisperModel.transcribe的直接替代把音频切块并行推理。官方 GPU 基准中large-v2 模型处理 13 分钟音频从 1 分 03 秒降到 17 秒batch_size8。它解决的是批量任务的吞吐问题代价是显存占用更高。 进阶与注意事项GPU 怎么开。把模型改为devicecuda, compute_typefloat16即可。前提是装好 CUDA 12 的 cuBLAS 和 cuDNN 9Linux 上可用pip install nvidia-cublas-cu12 nvidia-cudnn-cu129.*并设置LD_LIBRARY_PATH。版本兼容是最大的坑。最新版 ctranslate2 只支持 CUDA 12 cuDNN 9。若环境是 CUDA 11 / cuDNN 8需降级ctranslate23.24.0CUDA 12 / cuDNN 8 则降到4.4.0。装完跑不起来时先查这里的对应关系。对比测试要对齐参数。faster-whisper 默认 beam size 为 5而 openai/whisper 默认是 1直接比速度不公平。CPU 上还建议用OMP_NUM_THREADS固定线程数再测。内存紧张时选 int8。compute_typeint8在 CPU 上能明显降低内存基准中 small 模型的内存从 2257MB 降到 1477MB精度损失很小。 相关资源核心转录逻辑faster_whisper/transcribe.pyVAD 实现与默认参数faster_whisper/vad.py音频解码faster_whisper/audio.py基准测试脚本benchmark/贡献指南CONTRIBUTING.md许可证LICENSEMIT【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