
faster-whisper 是 OpenAI Whisper 的高性能重实现,用 CTranslate2 做推理后端,同精度下速度比原版快约四倍,显存占用更少,支持词级时间戳和语音活动检测。Python 编写,MIT 协议。
基本情况
| 部署方式 | pip 安装 |
| 开发语言 | Python |
| 开源协议 | MIT |
| 模型来源 | 兼容 OpenAI Whisper 权重 |
| 硬件 | CPU 可跑,GPU 更快 |
| 输出 | 文本、分段、词级时间戳 |
为什么要用
用原版 Whisper 转一段长录音,跑起来慢得让人等不住,显存还吃紧,批量处理几十个文件能耗掉一整天。
功能清单
- 速度快:CTranslate2 后端加速,同精度下比原版快约 4 倍
- 显存占用低:int8 量化后小显存也能跑,笔记本可用
- 词级时间戳:精确到每个词的时间点,做字幕对齐很方便
- 内置 VAD:自动跳过静音段,长音频处理效率更高
谁需要它
- 需要把录音、会议、课程转成文字
- 给视频批量生成字幕
- 做语音数据处理管线
使用步骤
- pip 装 faster-whisper
- 选模型尺寸(large-v3 效果最好,small 更快)
- 加载模型调用转录接口
- 需要字幕就开词级时间戳输出
问:中文识别准吗?
答:large 系列模型中文表现可用,专业术语和口音仍需人工校对。
问:CPU 能跑吗?
答:能,int8 量化的 small 或 medium 在 CPU 上可以接受。
问:和原版 Whisper 比?
答:精度基本一致,速度快数倍,接口略有不同。
问:能实时转写吗?
答:能,配合 VAD 做流式处理,延迟取决于模型大小。
最后更新:2026-10-26
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。
