企业官网建设流程全解析

faster-whisper 快速上手指南：3 步跑出 4 倍速语音转文字

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

faster-whisper 是用 CTranslate2 重写的 OpenAI Whisper 语音识别库。它在保持同样准确率的前提下，比原版 Whisper 快最高 4 倍，占用的显存和内存也更少。一行pip install faster-whisper就能装好，无需额外配置 FFmpeg。你接下来就能用它把音频转成带时间戳的文字。

你手里的音频又长又杂，原版 Whisper 跑一段要等好几分钟。显存不够时大模型直接爆掉，想省内存又只能牺牲精度。faster-whisper 用 8 位量化和批量推理把这两件事一起解决了。

3 步装好 faster-whisper

先装主库，一条命令搞定：

pip install faster-whisper

装完跑一段最小代码验证是否可用，预期会打印出语言识别概率和带时间戳的文本：

from faster_whisper import WhisperModel model = WhisperModel("tiny", device="cpu", compute_type="int8") segments, info = model.transcribe("audio.mp3", beam_size=5) print("语言:", info.language, "概率:", info.language_probability) for seg in segments: print(f"[{seg.start:.2f}s -> {seg.end:.2f}s] {seg.text}")

注意segments是生成器，只有你遍历它时才会真正开始转录。想立刻跑完就list(segments)一下。

按设备选配置

不同设备和内存下，该选哪个模型、哪种精度，按下表挑：

模型尺寸按需选：tiny（39M）最快，base（74M）、small（244M）、medium（769M）、large-v3（1550M）逐级更准。首次按名字加载时会自动从 Hugging Face 下载对应的 CTranslate2 模型。

核心用法

基础转录就是上面那段：加载模型、调用model.transcribe、遍历segments。几个高级能力，各给一行关键代码：

• 🗣️词级时间戳：加word_timestamps=True，即可遍历segment.words拿到每个词的首尾时间。
• 🔇VAD 过滤静音：加vad_filter=True，内置 Silero VAD 会剔除非语音段，长音频更省时间。
• ⚡批量推理：用BatchedInferencePipeline包一层，batch_size=8起在 GPU 上能再快一个量级。

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

更多参数（热词、condition_on_previous_text等）看WhisperModel和 VAD 选项 的源码。

避坑指南

• 现象：GPU 加载报 cuDNN / cuBLAS 找不到。原因：NVIDIA 库缺失。最新版ctranslate2只支持 CUDA 12 + cuDNN 9。解决：pip install nvidia-cublas-cu12 nvidia-cudnn-cu12==9.*，再按官方方式设好LD_LIBRARY_PATH。

• 现象：CUDA 11 或 cuDNN 8 环境起不来。原因：新版引擎不再兼容。解决：pip install --force-reinstall ctranslate2==3.24.0（cuDNN 8 用4.4.0）。

• 现象：大模型显存不足（OOM）。原因：float16精度吃显存。解决：把compute_type换成int8_float16，或改用小模型。

• 现象：CPU 跑得太慢、对比结果对不上。原因：线程数不一致会影响速度。解决：OMP_NUM_THREADS=4 python3 my_script.py固定线程数。

先跑通tiny模型确认链路没问题，再逐步换到large-v3和 GPU 量化配置。你的下一件事，就是把一段真实音频丢进去看时间戳输出。

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