超快的 AI 实时语音转文字，比 OpenAI 的 Whisper 快4倍 -- 开源项目 Faster Whisper

faster-whisper 这个项目是基于 OpenAI whisper 的模型，在上面的一个重写。

使用的是 CTranslate2 的这样的一个库，CTranslate2 是用于 Transformer 模型的一个快速推理引擎。

在相同精度的情况下，faster-whisper 的速度比 OpenAI whisper 快 4 倍，并且使用更少的内存。

这是 faster-whisper 与 OpenAI whisper 的测试对比结果，使用了一个13分钟的音频做的测试。

OpenAI whisper 用了4分30秒，faster-whisper 只用了54秒。

并且，faster-whisper 使用的 CPU 和 GPU 都只有 OpenAI whisper 的三分之一左右。

性能大幅提升，资源占用大幅降低，就是马跑的更快了，吃的更少了。

感紧跑起来试试。

本地安装运行

faster-whisper 需要 Python 3.8 之后的版本，可以创建Python虚拟环境来实现。

安装 faster-whisper ：

pip install faster-whisper

Python代码：

from faster_whisper import WhisperModel

# 指定模型
model_size = "large-v3"

# or run on CPU with INT8
model = WhisperModel(model_size, device="cpu", compute_type="int8")

# 加载音频，执行语音识别
segments, info = model.transcribe("Haul.mp3", beam_size=5)

print("Detected language '%s' with probability %f" % (info.language, info.language_probability))

for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

第一次执行时，会自动加载模型。

然后开始识别，输出识别结果。

以上是在 CPU 上的运行过程，如果想要更好的运行效率，自然是在 GPU 上跑。

想使用 GPU，需要安装一些辅助。

以 N 卡为例，先安装 NVIDIA 相关的东西。

打开网页：

developer.nvidia.com/cudnn

下载安装。

打开网页：

developer.nvidia.com/cuda-downloads

下载安装。

安装完成后，打开安装目录，例如我的是：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin

找到其中的文件 cublas64_12.dll，复制一份，改名为 cublas64_11.dll。

打开网页：

github.com/Purfview/whisper-standalone-win/releases/tag/libs

下载解压，根据提示放入相应位置。

安装依赖库：

pip install nvidia-cublas-cu11 nvidia-cudnn-cu11

然后就可以使用 GPU 运行了。

Python 代码：

from faster_whisper import WhisperModel

model_size = "large-v3"

# 使用 GPU 运行，指定精度 INT8
model = WhisperModel(model_size, device="cuda", compute_type="int8_float16")

# 加载音频并执行识别
segments, info = model.transcribe("Haul.mp3", beam_size=5)

print("Detected language '%s' with probability %f" % (info.language, info.language_probability))

for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

怎么样，感觉不错吧，有兴趣的话，快试试吧。

项目地址：