faster-whisper
使用 CTranslate2 的 Faster Whisper 轉錄
faster-whisper 是什麼?
使用 CTranslate2 的 Faster Whisper 轉錄
faster-whisper 概覽
這是什麼
faster-whisper 是 OpenAI Whisper 模型的一個重新實作,使用 CTranslate2(一個 Transformer 模型的高效推理引擎)。由 SYSTRAN 開發,目標是在維持與原始 Whisper 相同準確度的前提下,提供更快的轉錄速度與更低的記憶體使用量。
主要功能
- 在相同準確度下,速度比 openai/whisper 快最多 4 倍
- 記憶體使用量低於原始實作
- 支援 CPU 與 GPU 上的 8 位元量化,進一步提升效率
- 批次推理管線,可平行處理多個音訊片段
- 使用 Silero VAD 進行語音活動偵測(VAD),過濾非語音部分
- 提供逐字時間戳記,實現精確對齊
- 相容於 Distil-Whisper 檢查點,可進行更快速的推理
使用情境
- 以高速和低記憶體佔用轉錄音訊檔案
- 批次轉錄長音訊錄音,提升效率
- 在支援的硬體上使用 Distil-Whisper 模型以獲得更高速度
- 取得逐字時間戳記,用於字幕生成或對齊
- 在轉錄前使用 VAD 過濾靜音或非語音片段
快速開始
從 PyPI 安裝模組:bashpip install faster-whisper需要 Python 3.9 或更高版本。GPU 執行需要 NVIDIA cuBLAS(CUDA 12)和 cuDNN 9(CUDA 12)。不需要安裝 FFmpeg,因為音訊解碼使用 PyAV,它已內建 FFmpeg 函式庫。
授權與價格
本專案採用 MIT 授權條款,為開放原始碼(免費使用)。
內容整理自該專案公開的 README 與儲存庫資訊。