SYSTRAN GitHub avatar

faster-whisper

Python
Whisper语音转写工具SYSTRAN最近推送 2026年11月12日
多模态生成MIT26.9k2,26222 issues7 天 +183

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

基于 CTranslate2 加速的 Whisper 语音识别实现,速度更快、内存更省。

faster-whisper 是 OpenAI Whisper 模型的重实现,使用 CTranslate2 推理引擎加速 Transformer 模型。它比原版 Whisper 快最多 4 倍,且内存占用更低,并支持 CPU 和 GPU 上的 8 位量化以进一步提升效率。

推荐指数

5.0

成熟、高效、易用的 Whisper 加速方案,适合绝大多数语音转写场景。

近 7 天

+183

新增 Star

总 Star 排名

#267

雷达追踪的 3,958 个 AI 仓库中

创建于

2023

2023年2月11日

核心亮点

  • 1速度提升明显

    相同精度下比 openai/whisper 快最多 4 倍,GPU 上 large-v2 模型转写 13 分钟音频仅需约 1 分钟。

  • 2内存占用更低

    支持 int8 量化,GPU 显存占用可降至约 2.9GB,CPU 内存占用也显著减少。

  • 3无需安装 FFmpeg

    使用 PyAV 解码音频,FFmpeg 库已打包在 Python 包中,简化部署。

  • 4支持批量转写

    提供 BatchedInferencePipeline,可批量处理音频片段,进一步提升吞吐量。

  • 5安装简单

    直接通过 pip 安装,提供清晰的 Python API 示例。

适用场景

  • 本地音频转文字

    例如:将会议录音或播客音频文件转写成文本,支持多语言检测。

  • 构建语音转写应用

    例如:在 Python 后端服务中集成 faster-whisper,提供实时或离线转写 API。

  • 资源受限环境部署

    例如:在无 GPU 的服务器上使用 int8 量化运行 small 模型,平衡速度与精度。

  • 批量音频处理

    例如:使用 BatchedInferencePipeline 批量转写大量短音频文件,提高处理效率。

它是怎么工作的

  1. 第 1 步

    加载模型

    通过 WhisperModel 指定模型大小(如 large-v3)和设备(CPU/GPU)及计算类型(float16/int8)。

  2. 第 2 步

    解码音频

    使用 PyAV 解码音频文件,无需系统安装 FFmpeg。

  3. 第 3 步

    推理转写

    调用 transcribe 方法,返回生成器,迭代时执行转写并输出带时间戳的文本片段。

  4. 第 4 步

    批量处理(可选)

    使用 BatchedInferencePipeline 对音频分块批量推理,提升吞吐量。

快速上手

  1. 1

    安装

    通过 pip 安装 faster-whisper。

    pip install faster-whisper
  2. 2

    编写转写脚本

    导入 WhisperModel,加载模型并转写音频文件。

  3. 3

    运行脚本

    执行 Python 脚本,输出识别语言和带时间戳的文本。

适合谁

  • 需要本地语音转写的开发者
  • 希望提升 Whisper 推理速度的团队
  • 在资源受限环境中部署语音识别的用户
  • 构建语音转文字应用的 Python 开发者

不太适合

  • 需要非 Python 语言集成的项目
  • 要求实时流式转写且延迟极低的场景(需额外开发)

成熟度

  • 活跃度最近一次推送在 2026 年 11 月,star 数超过 2.6 万,持续活跃。
  • 文档README 包含安装、使用示例和基准测试,但部分高级用法(如批量转写)说明较简略。
  • 社区fork 数超过 2200,issue 仅 21 个,社区参与度较高且问题响应及时。
  • 上手难度pip 一键安装,API 简洁,无需额外系统依赖,上手门槛低。

同类项目怎么选

  • whisper.cppC++ 实现,适合嵌入式或非 Python 环境,但 Python 生态集成不如 faster-whisper 方便。
  • openai/whisper原版实现,精度相同但速度较慢、内存占用较高,且需要系统安装 FFmpeg。
  • transformersHugging Face 的通用库,支持 Whisper 但推理效率通常低于 faster-whisper,且批量处理可能内存不足。

使用前注意

  • · GPU 运行需要安装 CUDA 12 和 cuDNN 9 对应的 NVIDIA 库,版本不匹配时需降级 ctranslate2。
  • · 转写结果是生成器,必须迭代或转换为列表才会实际执行转写。
  • · 批量转写功能需要额外配置,且可能增加显存占用。
  • · 项目采用 MIT 许可证,可自由使用和修改。

主题标签

deep-learninginferencequantizationspeech-recognitionspeech-to-texttransformerwhisperopenai