企业官网建设流程全解析

faster-whisper 语音转文字指南：比原版 Whisper 快 4 倍，从零跑通只要 3 步

【免费下载链接】faster-whisperFaster Whisper transcription with CTranslate2项目地址: https://gitcode.com/GitHub_Trending/fa/faster-whisper

faster-whisper 是一个用 CTranslate2 推理引擎重写的 Whisper 语音转文字（speech to text）库，把音频文件转成带时间戳的文本，也支持把外语语音翻译成英文。适合手里有一堆会议录音、课程音频、播客，想批量出字幕但嫌 openai/whisper 跑得太慢的开发者。全文按"先装环境、再解决 GPU 报错、最后出结果"的顺序写，每一步都给了可直接粘贴的命令。

🧭 为什么换成 faster-whisper

先说结论：同样的模型、同样的精度，它的速度最高能到 openai/whisper 的 4 倍，显存占用还更低，开启 int8 量化后优势更大。这不是口头宣传，仓库 README 里有一组实测数据——用 13 分钟音频跑 large-v2 模型，RTX 3070 Ti + CUDA 12.4：

CPU 上跑 small 模型也有对比：int8 + batch_size=8 时 51s 出结果，而原版 fp32 要 6m58s。两个工程细节值得记住：

• 不用装 FFmpeg。原版 whisper 强依赖系统里的 FFmpeg，装不满是新手最常见的坑之一；faster-whisper 改用 PyAV 解码音频，FFmpeg 库直接打包在依赖里，pip 装完就能用。
• GPU 支持有版本约束（后面单独讲）。ctranslate2 最新版只认 CUDA 12 + cuDNN 9，老环境需要钉版本。
• 模型按名字加载时（比如"large-v3"），对应的 CTranslate2 权重会自动从 Hugging Face Hub 下载；自己微调过的模型可以用官方转换器转成 CTranslate2 格式再加载。

📦 faster-whisper 怎么装

环境要求 Python 3.9 及以上。装稳定版：

pip install faster-whisper

如果要用 master 分支，可以先 clone 再本地安装：

git clone https://gitcode.com/GitHub_Trending/fa/faster-whisper cd faster-whisper pip install -e .

开发环境额外装 dev 依赖（black、flake8、isort、pytest 等版本已锁好）：

pip install -e ".[dev]"

🎮 GPU 跑不起来？大概率是 CUDA / cuDNN 版本没对上

这是社区里被问得最多的问题。GPU 推理依赖两个 NVIDIA 库：CUDA 12 的 cuBLAS 和 CUDA 12 的 cuDNN 9。Linux 上可以直接用 pip 装，但注意要先设置好LD_LIBRARY_PATH再启动 Python：

pip install nvidia-cublas-cu12 nvidia-cudnn-cu12==9.* export LD_LIBRARY_PATH=`python3 -c 'import os; import nvidia.cublas.lib; import nvidia.cudnn.lib; print(os.path.dirname(nvidia.cublas.lib.__file__) + ":" + os.path.dirname(nvidia.cudnn.lib.__file__))'`

其他安装路子（官方推荐 NVIDIA 文档的方式之外）：

• Docker：镜像nvidia/cuda:12.3.2-cudnn9-runtime-ubuntu22.04里已经带好了这两个库。
• Windows / Linux 通用：社区维护的 whisper-standalone-win 项目把所需 NVIDIA 库打成了一个压缩包，解压后把目录加进PATH即可。

报错排查对照表，按你的实际环境对号入座：

另外两个容易忽略的点：

• Windows 下 pip 装 NVIDIA 库这条路不通，走 Docker 或压缩包方案。
• 用compute_type="float16"时确认 GPU 支持 FP16，否则换成int8_float16。

⚡ 3 步出结果：最小可运行示例

第一步，实例化模型。compute_type控制精度：CPU 常用int8，GPU 用float16或int8_float16：

from faster_whisper import WhisperModel # CPU + int8 model = WhisperModel("large-v3", device="cpu", compute_type="int8") # GPU + fp16（显存充裕时用） # model = WhisperModel("large-v3", device="cuda", compute_type="float16")

第二步，调用转录。transcribe返回的是(segments, info)二元组，info里带自动检测的语言和置信度：

segments, info = model.transcribe("audio.mp3", beam_size=5) print("Detected language '%s' with probability %f" % (info.language, info.language_probability))

第三步，遍历输出。注意一个反直觉的坑：segments是生成器，不遍历就等于没开始转录，所以 for 循环才是真正干活的地方：

for segment in segments: print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

音频比较长、想要吞吐就上批量推理。BatchedInferencePipeline.transcribe是WhisperModel.transcribe的直接替代品，签名兼容，加个batch_size参数就行：

from faster_whisper import WhisperModel, BatchedInferencePipeline model = WhisperModel("turbo", device="cuda", compute_type="float16") batched_model = BatchedInferencePipeline(model=model) segments, info = batched_model.transcribe("audio.mp3", batch_size=16)

批量模式下 VAD 是默认开启的（见下节）。更多可调参数直接看 WhisperModel 的实现。

🛠️ 四个高频参数：VAD、词级时间戳、线程数、批量

VAD 过滤：内置 Silero VAD 会把没有语音的段落直接跳过，省时间还减少"幻听"文本。默认策略偏保守，只剔除超过 2 秒的静音：

segments, _ = model.transcribe("audio.mp3", vad_filter=True) # 自定义：静音超过 0.5 秒就算停顿 segments, _ = model.transcribe( "audio.mp3", vad_filter=True, vad_parameters=dict(min_silence_duration_ms=500), )

各参数的默认值在 VAD 模块源码 里都能查到。

词级时间戳：做卡拉 OK 字幕或逐词高亮时，把word_timestamps=True打开，每个 segment 下就有words列表：

segments, _ = model.transcribe("audio.mp3", word_timestamps=True) for segment in segments: for word in segment.words: print("[%.2fs -> %.2fs] %s" % (word.start, word.end, word.word))

CPU 线程数：很多框架会读OMP_NUM_THREADS环境变量，跑脚本前设一下，对比性能时也要保证两边线程数一致：

OMP_NUM_THREADS=4 python3 my_script.py

和别的实现比性能前，先确认两边 beam size 相同——openai/whisper 的transcribe默认 beam_size=1，而这里默认是 5，不拉齐就没可比性；同时 WER 差异也会影响转录长度，从而影响耗时。

📌 收尾：许可证与版本

faster-whisper 采用 MIT 许可（见 LICENSE），商用没问题。当前仓库版本为 1.2.1，贡献流程写在 CONTRIBUTING.md 里。音频解码链路在 audio 模块，特征提取在 feature_extractor，需要追进底层时可以从这几个文件入手。

【免费下载链接】faster-whisperFaster Whisper transcription with CTranslate2项目地址: https://gitcode.com/GitHub_Trending/fa/faster-whisper