faster-whisper 安装与上手一条命令装好三步跑通语音转文字【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 OpenAI Whisper 语音识别模型的一个快速重实现底层用 CTranslate2专门跑 Transformer 模型的高性能推理引擎。精度与原版相当速度最高快 4 倍显存占用更低。如果你要把会议录音、课程视频批量转成文字它是 Python 生态里目前性价比最高的选择。一、动手前先核对这 3 项条件 花一分钟确认环境能省掉后面大部分报错Python 3.9 及以上。项目在 setup.py 里明确写了python_requires3.9低于这个版本装不上。GPU 环境可选。想用显卡加速需要 NVIDIA 驱动外加两个运行库cuBLASCUDA 12 版和 cuDNN 9。最新版 ctranslate2 只支持 CUDA 12老环境怎么降版本第四节有答案。没有显卡也能跑只是慢。不用装 FFmpeg。这点和原版 Whisper 不同音频解码交给 PyAV 库它把 FFmpeg 直接打包进了 Python 依赖系统少一份配置。再准备一段音频文件mp3、wav 均可路径记好后面验证要用。二、最短安装路径一条 pip 命令⚡ 打开终端执行pip install faster-whisper装的是 PyPI 上的最新稳定版当前 1.2.1依赖自动带齐。装完无需初始化模型权重在第一次加载时按名字自动下载。GPU 用户补两步。Linux 上可以直接用 pip 装 NVIDIA 运行库省去手动下载pip install nvidia-cublas-cu12 nvidia-cudnn-cu129.* export LD_LIBRARY_PATHpython3 -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__))LD_LIBRARY_PATH必须在启动 Python 之前设置好否则加载模型时会报找不到 cuDNN。什么情况走备选路径想改代码或测最新功能clone 源码本地装仓库地址 https://gitcode.com/GitHub_Trending/fa/faster-whisperGPU 服务器想环境隔离仓库自带 docker/Dockerfile基于 NVIDIA 官方 CUDA 12.3.2 cuDNN 9 镜像构建即可运行三、30 秒验证转一段音频 写一个最短脚本验证整条链路是否通了from faster_whisper import WhisperModel model WhisperModel(small, devicecuda, compute_typefloat16) segments, info model.transcribe(audio.mp3, beam_size5) print(f语言{info.language}置信度 {info.language_probability:.2f}) for segment in segments: print(f[{segment.start:.2f}s - {segment.end:.2f}s] {segment.text})两个参数值得说清楚device和compute_type决定跑在哪、用什么精度。GPU 推荐cudafloat16显存紧张就换int8_float16显存近乎减半精度损失很小。beam_size是束搜索宽度越大越准也越慢默认 5 是平衡点。预期输出第一行是检测到的语言和置信度随后逐行打印每个片段的起止时间与文本。两个坑提前说segments是生成器循环它时转录才真正开始首次运行会下载模型耗时取决于网络属正常现象。四、常见问题一句一条速查 报错不用翻文档对号入座CUDA 11 / cuDNN 8 的老环境报版本错误新版 ctranslate2 只认 CUDA 12。CUDA 11 cuDNN 8 执行pip install --force-reinstall ctranslate23.24.0CUDA 12 cuDNN 8 则固定ctranslate24.4.0。Linux 提示找不到 cuDNN / cuBLAS回到第二节把LD_LIBRARY_PATH指到 pip 装的 nvidia 库目录重启 Python 再试。Windows 装 NVIDIA 库麻烦去 Purfview 的 whisper-standalone 项目取预打包库解压后放进 PATH 即可嫌麻烦直接用 Docker 镜像。macOS 没有 CUDA只能devicecpu配compute_typeint8量化跑速度尚可。想量化对比各家实现benchmark/speed_benchmark.py 就是作者测速用的脚本。参考数据large-v2 模型在 RTX 3070 Ti CUDA 12.4 上fp16 转 13 分钟音频 1 分 03 秒int8 量化后 59 秒、显存 2926MB。转录选项远不止beam_size词级时间戳、vad_filter自动过滤静音段等参数都能直接在 transcribe 实现 里查到需要时翻源码即可。【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
faster-whisper 安装与上手一条命令装好三步跑通语音转文字【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 OpenAI Whisper 语音识别模型的一个快速重实现底层用 CTranslate2专门跑 Transformer 模型的高性能推理引擎。精度与原版相当速度最高快 4 倍显存占用更低。如果你要把会议录音、课程视频批量转成文字它是 Python 生态里目前性价比最高的选择。一、动手前先核对这 3 项条件 花一分钟确认环境能省掉后面大部分报错Python 3.9 及以上。项目在 setup.py 里明确写了python_requires3.9低于这个版本装不上。GPU 环境可选。想用显卡加速需要 NVIDIA 驱动外加两个运行库cuBLASCUDA 12 版和 cuDNN 9。最新版 ctranslate2 只支持 CUDA 12老环境怎么降版本第四节有答案。没有显卡也能跑只是慢。不用装 FFmpeg。这点和原版 Whisper 不同音频解码交给 PyAV 库它把 FFmpeg 直接打包进了 Python 依赖系统少一份配置。再准备一段音频文件mp3、wav 均可路径记好后面验证要用。二、最短安装路径一条 pip 命令⚡ 打开终端执行pip install faster-whisper装的是 PyPI 上的最新稳定版当前 1.2.1依赖自动带齐。装完无需初始化模型权重在第一次加载时按名字自动下载。GPU 用户补两步。Linux 上可以直接用 pip 装 NVIDIA 运行库省去手动下载pip install nvidia-cublas-cu12 nvidia-cudnn-cu129.* export LD_LIBRARY_PATHpython3 -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__))LD_LIBRARY_PATH必须在启动 Python 之前设置好否则加载模型时会报找不到 cuDNN。什么情况走备选路径想改代码或测最新功能clone 源码本地装仓库地址 https://gitcode.com/GitHub_Trending/fa/faster-whisperGPU 服务器想环境隔离仓库自带 docker/Dockerfile基于 NVIDIA 官方 CUDA 12.3.2 cuDNN 9 镜像构建即可运行三、30 秒验证转一段音频 写一个最短脚本验证整条链路是否通了from faster_whisper import WhisperModel model WhisperModel(small, devicecuda, compute_typefloat16) segments, info model.transcribe(audio.mp3, beam_size5) print(f语言{info.language}置信度 {info.language_probability:.2f}) for segment in segments: print(f[{segment.start:.2f}s - {segment.end:.2f}s] {segment.text})两个参数值得说清楚device和compute_type决定跑在哪、用什么精度。GPU 推荐cudafloat16显存紧张就换int8_float16显存近乎减半精度损失很小。beam_size是束搜索宽度越大越准也越慢默认 5 是平衡点。预期输出第一行是检测到的语言和置信度随后逐行打印每个片段的起止时间与文本。两个坑提前说segments是生成器循环它时转录才真正开始首次运行会下载模型耗时取决于网络属正常现象。四、常见问题一句一条速查 报错不用翻文档对号入座CUDA 11 / cuDNN 8 的老环境报版本错误新版 ctranslate2 只认 CUDA 12。CUDA 11 cuDNN 8 执行pip install --force-reinstall ctranslate23.24.0CUDA 12 cuDNN 8 则固定ctranslate24.4.0。Linux 提示找不到 cuDNN / cuBLAS回到第二节把LD_LIBRARY_PATH指到 pip 装的 nvidia 库目录重启 Python 再试。Windows 装 NVIDIA 库麻烦去 Purfview 的 whisper-standalone 项目取预打包库解压后放进 PATH 即可嫌麻烦直接用 Docker 镜像。macOS 没有 CUDA只能devicecpu配compute_typeint8量化跑速度尚可。想量化对比各家实现benchmark/speed_benchmark.py 就是作者测速用的脚本。参考数据large-v2 模型在 RTX 3070 Ti CUDA 12.4 上fp16 转 13 分钟音频 1 分 03 秒int8 量化后 59 秒、显存 2926MB。转录选项远不止beam_size词级时间戳、vad_filter自动过滤静音段等参数都能直接在 transcribe 实现 里查到需要时翻源码即可。【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
