Loading...

文章背景图

faster-whisper:基于 CTranslate2 的高速语音识别|部署与使用全指南

2026-10-25
0
- 字
- 分钟
|

faster-whisper —— 基于 CTranslate2 推理引擎的高速语音识别(ASR)

适用场景说明:面向博主个人电脑本地部署,基线环境 Windows 10/11 + WSL2(Ubuntu 24.04)、RTX 3070 8GB / RTX 4090 24GB,另含 Linux 云服务器视角。faster-whisper 在博客工作流中通常承担「把参考音频 / 口播视频转写成标注文本」的上游角色(例如配合 04 节 GPT-SoVITS 制作训练集标注、自动生成字幕)。本节事实以官方 GitHub README、源码 WhisperModel 类与 PyPI 元数据为准。

项目定位与基本信息

项目 内容
一句话定位 用快速 Transformer 推理引擎 CTranslate2 对 OpenAI Whisper 模型做的重新实现:同等精度下速度最高可达 openai/whisper 的 4 倍、内存占用更低,CPU 与 GPU 上均可使用 8-bit 量化进一步提速省内存(README 原文:"up to 4 times faster than openai/whisper for the same accuracy while using less memory")。
开源许可 MIT License(Copyright © 2023 SYSTRAN)。出处:官方仓库 LICENSE 文件原文为 MIT License;PyPI 项目元数据 license: MIT(https://pypi.org/project/faster-whisper/ ,2026-10-25 复核)。
官方 GitHub 仓库 https://github.com/SYSTRAN/faster-whisper
官方文档 / 官网 无独立文档站;官方说明即仓库 README(https://github.com/SYSTRAN/faster-whisper ),参数细节以官方源码类实现为准:WhisperModel 与 transcribe 接口见 https://github.com/SYSTRAN/faster-whisper/blob/master/faster_whisper/transcribe.py ;量化类型说明见 CTranslate2 官方文档 https://opennmt.net/CTranslate2/quantization.html 。PyPI 发行页:https://pypi.org/project/faster-whisper/
版本信息 截至 2026-10-25 官方 PyPI 最新版:1.2.1(来源:https://pypi.org/pypi/faster-whisper/json ,info.version 字段;requires_python: >=3.9)。README benchmark 基准版本为 v1.1.0。
支持语种 取决于所选 Whisper 模型:多语言模型(tiny/base/small/medium/large-v2/large-v3/turbo 等)覆盖 Whisper 官方多语种清单;.en 系列为英语专用;语言码如 zh(中文)、en、ja、ko 等,未指定时模型自动检测音频前 30 秒语种(README + transcribe docstring)。

官方图片

经逐一核查:官方 README、仓库文件树(codeload tarball 全量清单)、PyPI 项目描述中均未包含任何静态 logo 或界面截图,仅有的图像元素为 CI 徽章与 PyPI 版本徽章(徽章非项目配图,仅作状态标识)。按照「禁止用 AI 生成图或非官方图冒充」的要求,本节不插入图片,待官方后续在仓库 / README 补充视觉素材后再增补。

核查项 记录
README 图像引用 仅 CI 状态徽章与 PyPI 版本徽章两枚(README 第 1 行,PyPI 描述同步核对;徽章地址见 05.7 来源清单 #20、#21)
仓库图片文件 对 SYSTRAN/faster-whisper master 分支 codeload tarball 做全量文件名过滤(png/jpg/jpeg/svg/webp/gif),结果为空;docs/ 目录下亦无图片
处理结论 无官方图片可下载;本节不做占位图、不使用第三方 logo。

环境要求

维度 官方说明(README「Requirements」「GPU」节 + PyPI 元数据)
操作系统 跨平台;README 提供 Linux(pip 安装 NVIDIA 库)、Windows / Linux(Purfview 独立库压缩包)、CPU 等多条路径;WSL2(Ubuntu 24.04)按 Linux 路径部署。CPU 基准测试环境为 Intel Core i7-12700K、8 线程(README Small model on CPU 节)。
GPU 与显存 GPU 执行需安装 NVIDIA 库:cuBLAS for CUDA 12 与 cuDNN 9 for CUDA 12。README 明确提示:最新版 ctranslate2 仅支持 CUDA 12 + cuDNN 9;CUDA 11 + cuDNN 8 需降级 ctranslate2==3.24.0;CUDA 12 + cuDNN 8 需降级 ctranslate2==4.4.0。GPU 基准测试(large-v2,RTX 3070 Ti 8GB,CUDA 12.4)实测显存见 05.3 末尾官方 benchmark 表;README 未公布其他档位的官方显存数值。
内存 CPU 基准测试(small 模型,i7-12700K 8 线程):fp32 占 2257 MB 内存、int8 占 1477 MB 内存(README Small model on CPU 表);其他档位内存占用 README 未公布。
依赖 Python 3.9 或更高(README「Python 3.9 or greater」;PyPI requires_python >=3.9)。与 openai-whisper 不同,系统不需要单独安装 FFmpeg:音频由 Python 库 PyAV 解码,PyAV 在包内打包了 FFmpeg 库(README 原文:"FFmpeg does not need to be installed on the system")。GPU 侧依赖 ctranslate2、nvidia-cublas-cu12、nvidia-cudnn-cu12==9.*(Linux pip 方式)。
磁盘空间(含模型权重体积,本环境经 HF tree API 实测) 模型首次运行时按所选档位自动下载到 Hugging Face 缓存;各 CT2 模型 model.bin 体积如下表。另需预留 PyPI 包与 CUDA 库空间(README 未公布具体数值)。

模型档位选择表(三类口径分列,避免混用):

档位 参数量(openai/whisper 官方 README) CT2 model.bin 实测体积(HF tree/main API,2026-10-25) 原版 PyTorch 参考显存(openai/whisper README,fp32 基线,非 CT2 实测) 相对速度(openai/whisper README,A100 英文语音,以 large 为 1×) 下载名(WhisperModel 首参数)
tiny 39 M 72.0 MB(仓库合计 74.6 MB) ~1 GB ~10× tiny / tiny.en
base 74 M 138.5 MB(141.0 MB) ~1 GB ~7× base / base.en
small 244 M 461.1 MB(463.7 MB) ~2 GB ~4× small / small.en
medium 769 M 1457.1 MB(1459.7 MB) ~5 GB ~2× medium / medium.en
large-v2 1550 M(large 档) 2943.9 MB(2946.5 MB) ~10 GB(large 档参考值) ~1× large-v2
large-v3 1550 M(large 档) 2944.3 MB(2947.7 MB) ~10 GB(large 档参考值) ~1× large-v3 / large
turbo 809 M 未在 Systran 仓库单列(README 支持 turbo / large-v3-turbo 下载名) ~6 GB ~8× turbo / large-v3-turbo

口径说明:① 参数量、原版参考显存、相对速度三列来自 openai/whisper 官方 README「Available models and languages」表,描述的是原版 PyTorch 实现基线,不能直接等同于 faster-whisper/CT2 显存占用;② CT2 体积列为 HF Systran 仓库 tree/main API 实测;③ CT2 引擎的真实显存 / 速度以 05.3 下方官方 benchmark 表(仅 large-v2 GPU、small CPU 两组实测)为准,其余档位 README 未公布 CT2 实测值。

官方 benchmark 实测表(README「Benchmark」节原文数据,13 分钟英文音频,RTX 3070 Ti 8GB / CUDA 12.4;CPU 为 i7-12700K 8 线程):

实现 精度 beam size GPU 耗时 GPU 显存 / CPU 内存
openai/whisper(对照) fp16 5 2m23s 4708 MB
whisper.cpp(Flash Attention,对照) fp16 5 1m05s 4127 MB
transformers(SDPA,对照) fp16 5 1m52s 4960 MB
faster-whisper fp16 5 1m03s 4525 MB
faster-whisper(batch_size=8) fp16 5 17s 6090 MB
faster-whisper int8 5 59s 2926 MB
faster-whisper(batch_size=8) int8 5 16s 4500 MB
faster-whisper(CPU,small,fp32) fp32 5 2m37s 2257 MB RAM
faster-whisper(CPU,small,int8) int8 5 1m42s 1477 MB RAM

说明:上表为 README 公布的官方实测;除 large-v2(GPU)与 small(CPU)外,其余档位显存 / 内存数值 README 未给出,不做推算填充。

最详细部署步骤(Windows 与 WSL2 双视角)

1. 依赖安装

通用前置:安装 Python 3.9+(README 要求)。建议使用虚拟环境隔离:

# WSL2 Ubuntu / Linux 云服务器
python3 -m venv .venv
source .venv/bin/activate
# Windows PowerShell
python -m venv .venv
.\.venv\Scripts\Activate.ps1

NVIDIA GPU 库安装(README「GPU」节三种官方方式,按系统选一):

  • 方式一:Docker(README 官方说明):使用官方 NVIDIA CUDA 镜像 nvidia/cuda:12.3.2-cudnn9-runtime-ubuntu22.04,其中已含 cuBLAS、cuDNN。
  • 方式二:Linux 下 pip 安装(README 原文,仅 Linux):

```bash pip install nvidia-cublas-cu12 nvidia-cudnn-cu12==9.*

# README 原文要求:启动 Python 前先设置 LD_LIBRARY_PATH export LD_LIBRARY_PATH=$(python3 -c 'import os, nvidia.cublas, nvidia.cudnn; print(os.path.dirname(nvidia.cublas.path[0]) + "/cublas/lib:" + os.path.dirname(nvidia.cudnn.path[0]) + "/cudnn/lib")') ```

  • 方式三:Purfview 独立库压缩包(Windows & Linux):README 指引从 Purfview/whisper-standalone-win 的 libs release 下载所需 NVIDIA 库单文件压缩包,解压后把目录加入系统 PATH。

版本降级提示(README 原文):若本机为 CUDA 11 + cuDNN 8,执行 pip install --force-reinstall ctranslate2==3.24.0;若为 CUDA 12 + cuDNN 8,执行 pip install --force-reinstall ctranslate2==4.4.0(或在 requirements.txt 中固定版本)。

注意:README 明确 系统无需安装 FFmpeg;若习惯在 Windows PATH 中保留全局 FFmpeg 也不会冲突,但排查问题时不要把「缺 FFmpeg」当成 faster-whisper 的必需报错项。

2. 项目下载 / 安装(README「Installation」节,唯一推荐方式:PyPI)

pip install faster-whisper

其他官方安装方式(README「Other installation methods」折叠节):

# 安装 master 分支最新代码
pip install --force-reinstall "faster-whisper @ https://github.com/SYSTRAN/faster-whisper/archive/refs/heads/master.tar.gz"

# 安装指定 commit(示例 commit 取自 README)
pip install --force-reinstall "faster-whisper @ https://github.com/SYSTRAN/faster-whisper/archive/a4f1cc8f11433e454c3934442b5e1a4ed5e865c3.tar.gz"

3. 模型 / 权重下载(官方来源 + 国内加速 + 3070 8GB 档位选择)

官方来源:加载 WhisperModel("large-v3") 这类档位名时,对应 CTranslate2 模型自动从 Hugging Face Hub 的 Systran 组织仓库 下载(README「Model conversion」节原文:"the corresponding CTranslate2 model is automatically downloaded from the Hugging Face Hub")。模型清单与体积见 05.3 实测表。

国内加速:faster-whisper 底层使用 huggingface_hub 下载,可通过标准环境变量切换镜像(机制说明:https://huggingface.co/docs/huggingface_hub/guides/environment-variables ):

# Linux / WSL2(写入 ~/.bashrc 可持久化)
export HF_ENDPOINT=https://hf-mirror.com
# Windows PowerShell
$env:HF_ENDPOINT="https://hf-mirror.com"

也可在代码中用 download_root= 指定本地模型目录,或先在网络通畅环境下载好 model.bin 等文件,再用本地目录路径加载(README「Load a converted model」节):

from faster_whisper import WhisperModel

model = WhisperModel("/path/to/local/model-dir")

RTX 3070 8GB 档位选择(README 官方 benchmark 同类对照 + 明确边界):

场景 建议档位 / 精度 依据与边界
追求精度、GPU 显存充裕(4090 24GB) large-v3 + device="cuda" + compute_type="float16" README 示例默认写法;large-v2 官方实测 fp16 4525MB、int8 2926MB(3070 Ti 8GB);README 未给出 large-v3 独立显存实测,large-v3 实际占用以本机 nvidia-smi 实测为准
RTX 3070 8GB 稳妥配置 medium 或 small + fp16;large-v2 用 int8_float16 或 int8 large-v2 int8 官方实测 2926MB;8GB 显存避开 batch_size=8(fp16 6090MB / int8 4500MB,官方 benchmark 数值);large-v3 在 8GB 上的可行性 README 未给出数据,需实测
纯 CPU / 云服务器无 GPU small 或 base + device="cpu" + compute_type="int8" README 示例 device="cpu", compute_type="int8";small CPU int8 官方实测 1477MB RAM
长视频批量提速 BatchedInferencePipeline + batch_size=8(显存允许时) README「Batched Transcription」示例;显存占用按官方 benchmark 表预留

4. 关键配置(代码初始化参数,来源:官方 WhisperModel.__init__ 源码签名)

参数 类型 / 默认值 说明(源码 docstring 原文要点)
model_size_or_path str,必填 档位名(tiny、tiny.en、base、base.en、small、small.en、distil-small.en、medium、medium.en、distil-medium.en、large-v1、large-v2、large-v3、large、distil-large-v2、distil-large-v3、large-v3-turbo、turbo)、转换后模型本地目录,或 HF Hub 上的 CT2 模型 ID
device str,默认 "auto" 计算设备:cpu / cuda / auto
device_index int 或 list[int],默认 0 显卡编号;可传列表 [0,1,2,3] 多卡并行,配合多线程 transcribe() 调用
compute_type str,默认 "default" 计算精度:float16 / int8_float16 / int8 / float32 等,取值见 CTranslate2 量化文档
cpu_threads int,默认 0 CPU 线程数(默认 4);非零值覆盖 OMP_NUM_THREADS 环境变量
num_workers int,默认 1 多线程调用 transcribe() 时的并行 worker 数,提升吞吐但增加内存
download_root Optional[str],默认 None 模型保存目录;缺省走标准 Hugging Face 缓存目录
local_files_only bool,默认 False 为 True 时不发起下载,仅返回本地缓存模型
revision Optional[str],默认 None HF Hub 分支 / 标签 / commit 修订号
use_auth_token Optional[Union[str, bool]],默认 None Hugging Face 鉴权 token,或 True 使用 HF 配置目录中已保存的 token

5. 启动(官方 README 最小可运行命令序列)

# 确认环境已激活,模型首次运行自动下载;无系统 FFmpeg 依赖
python your_transcribe_script.py

使用方法

启动方式

faster-whisper 是 Python 库,无自带 WebUI;通过 WhisperModel 初始化 + model.transcribe(...) 调用。README 官方最小示例(原文照录):

from faster_whisper import WhisperModel

model_size = "large-v3"

# Run on GPU with FP16
model = WhisperModel(model_size, device="cuda", compute_type="float16")

# or run on GPU with INT8
# model = WhisperModel(model_size, device="cuda", compute_type="int8_float16")
# or run on CPU with INT8
# model = WhisperModel(model_size, device="cpu", compute_type="int8")

segments, info = model.transcribe("audio.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))

README 重要警告:segments 是生成器(generator),只有在迭代它时转写才真正开始;必须放入 list(segments) 或 for 循环中执行(README「Warning」段原文):

segments, _ = model.transcribe("audio.mp3")
segments = list(segments)  # The transcription will actually run here.

transcribe() 参数说明表(来源:官方 faster_whisper/transcribe.py 第 781–825 行签名 + docstring)

参数 默认值 说明(源码 docstring 要点)
audio 必填 音频文件路径、文件类对象,或音频波形 numpy 数组
language None 音频语种码(如 "en"、"fr"、"zh");未设置时在音频前 30 秒自动检测
task "transcribe" 任务:transcribe(转写)或 translate(翻译成英文)
log_progress False 是否显示进度条
beam_size 5 解码 beam 宽度;注意 openai-whisper 默认 beam_size 为 1,跨实现对比时需对齐(README「Comparing performance」节)
best_of 5 非零温度采样时的候选数量
patience 1 beam search 耐心因子
length_penalty 1 指数长度惩罚常数
repetition_penalty 1 已生成 token 分数惩罚(>1 惩罚重复)
no_repeat_ngram_size 0 禁止重复 n-gram 大小,0 关闭
temperature [0.0, 0.2, 0.4, 0.6, 0.8, 1.0] 采样温度;失败时按 compression_ratio_threshold 或 log_prob_threshold 依次重试
compression_ratio_threshold 2.4 gzip 压缩比高于该值视为失败
log_prob_threshold -1.0 采样 token 平均 log probability 低于该值视为失败
no_speech_threshold 0.6 无语音概率高于该值且平均 log prob 低于阈值时,判定该段为静音
condition_on_previous_text True 为 True 时把上一段输出作为下一段 prompt;关闭可降低重复循环 / 时间戳错乱概率,但跨段一致性可能下降
prompt_reset_on_temperature 0.5 温度超过该值时重置 prompt
initial_prompt None 初始提示词(字符串或 token 序列);可用于注入专有名词、领域术语或中文标点习惯
prefix None 文本前缀
suppress_blank True 是否抑制空 token
suppress_tokens [-1] 抑制的 token 列表
without_timestamps False 是否不带时间戳输出
max_initial_timestamp 1.0 初始时间戳上限
word_timestamps False 是否输出词级时间戳(配合 segment.words 使用,README「Word-level timestamps」示例)
prepend_punctuations "\"'“¿([{-" 前附着标点
append_punctuations "\"'.。,,!!??::”)]}、" 后附着标点
multilingual False 多语言段内语言检测
vad_filter False 是否启用内置 Silero VAD 过滤无声片段;批处理模式默认开启(README「VAD filter」节)
vad_parameters None VAD 参数字典,如 dict(min_silence_duration_ms=500);默认仅移除超过 2 秒的静音,可调参数见源码 faster_whisper/vad.py
max_new_tokens None 单段最大新生成 token 数
chunk_length None 分块长度
clip_timestamps "0" 时间戳裁剪
hallucination_silence_threshold None 幻觉静音阈值
hotwords None 热词
language_detection_threshold 0.5 语种检测阈值
language_detection_segments 1 参与语种检测的段数

其他官方用法片段(README 原文)

批量转写(Batched InferencePipeline,README「Batched Transcription」节):

from faster_whisper import WhisperModel, BatchedInferencePipeline

model = WhisperModel("turbo", device="cuda", compute_type="float16")
batched_model = BatchedInferencePipeline(model=model)
segments, info = batched_model.transcribe("audio.mp3", batch_size=16)

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

词级时间戳(README「Word-level timestamps」节):

segments, _ = model.transcribe("audio.mp3", word_timestamps=True)

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

VAD 过滤(README「VAD filter」节):

segments, _ = model.transcribe(
    "audio.mp3",
    vad_filter=True,
    vad_parameters=dict(min_silence_duration_ms=500),
)

蒸馏模型 distil-large-v3(README「Faster Distil-Whisper」节):

from faster_whisper import WhisperModel

model_size = "distil-large-v3"
model = WhisperModel(model_size, device="cuda", compute_type="float16")
segments, info = model.transcribe(
    "audio.mp3", beam_size=5, language="en", condition_on_previous_text=False
)

端到端示例:中文口播音频转写并导出带时间戳字幕(.txt + .srt)

适用场景:把博客录制的口播音视频转成文字稿与 SRT 字幕;3070 8GB 选用 medium + int8 稳妥起步,4090 可换 large-v3 + fp16。

# transcribe_zh.py —— 官方 API 组合示例,依赖:pip install faster-whisper
from faster_whisper import WhisperModel

# 1) 初始化模型:3070 8GB 推荐 medium + int8_float16;4090 可改 large-v3 + float16
model = WhisperModel(
    "medium",
    device="cuda",
    compute_type="int8_float16",
    # cpu_threads=4,          # 纯 CPU 时按需设置
    # download_root="./models", # 指定本地模型目录
)

# 2) 转写:固定中文、beam_size 5、开启 VAD、注入领域提示词、开启词级时间戳
segments, info = model.transcribe(
    "koubo.mp3",
    language="zh",                 # 固定中文;自动检测则留 None
    beam_size=5,
    vad_filter=True,               # 过滤静音片段
    vad_parameters=dict(min_silence_duration_ms=500),
    initial_prompt="以下是技术博客普通话口播内容,包含开源、语音合成、深度学习等术语。",
    word_timestamps=True,          # 词级时间戳,便于精细校对字幕
    condition_on_previous_text=True,
)

print("检测语种:%s(概率 %.3f)" % (info.language, info.language_probability))

# 3) 收集段落到列表(generator 必须迭代后才真正转写)
segments = list(segments)

# 4a) 导出纯文本稿
with open("koubo.txt", "w", encoding="utf-8") as f:
    for seg in segments:
        f.write(seg.text.strip() + "\n")

# 4b) 导出 SRT 字幕(段级时间戳)
def fmt_ts(seconds: float) -> str:
    ms = int((seconds % 1) * 1000)
    s = int(seconds)
    h, rem = divmod(s, 3600)
    m, sec = divmod(rem, 60)
    return f"{h:02d}:{m:02d}:{sec:02d},{ms:03d}"

with open("koubo.srt", "w", encoding="utf-8") as f:
    for idx, seg in enumerate(segments, start=1):
        f.write(f"{idx}\n{fmt_ts(seg.start)} --> {fmt_ts(seg.end)}\n{seg.text.strip()}\n\n")

# 5) 控制台预览
for seg in segments:
    print("[%.2fs -> %.2fs] %s" % (seg.start, seg.end, seg.text.strip()))

运行:

export HF_ENDPOINT=https://hf-mirror.com   # 国内镜像(WSL2/Linux)
python transcribe_zh.py

命令行工具补充:README「Community integrations」列出的 whisper-ctranslate2 是基于 faster-whisper 的第三方 CLI,接口兼容 openai-whisper 客户端;属社区项目,非官方组件,需要独立查阅其仓库说明。

常见坑

# 现象 原因 解决(README 官方依据)
1 启动报 cuBLAS / cuDNN 加载错误(library not found / 版本不匹配) 最新版 ctranslate2 仅支持 CUDA 12 + cuDNN 9;本机 CUDA / cuDNN 版本不在支持范围 按 README「GPU」节对照处理:CUDA 11 + cuDNN 8 降级 ctranslate2==3.24.0;CUDA 12 + cuDNN 8 降级 ctranslate2==4.4.0;Linux 用 nvidia-cublas-cu12 + nvidia-cudnn-cu12==9.* pip 包并设置 LD_LIBRARY_PATH;Windows 从 Purfview libs release 取库加入 PATH。
2 首次运行卡在模型下载,或 HF 连接超时 模型默认从 huggingface.co/Systran 自动下载,国内直连不稳 先 export HF_ENDPOINT=https://hf-mirror.com(Linux/WSL2)或 $env:HF_ENDPOINT="https://hf-mirror.com"(Windows);或在网络通畅环境用 download_root= 预下载模型目录后离线加载。
3 GPU 转写时报显存不足(CUDA out of memory) fp16 大模型 + 大批量超显存;README benchmark 中 batch_size=8 会把显存从 4525MB 抬到 6090MB(fp16) 降精度:compute_type="int8_float16" 或 "int8"(large-v2 int8 官方实测 2926MB);换 medium / small 档位;关闭 batch_size=8 批处理;最终退路 device="cpu", compute_type="int8"。
4 脚本跑完只输出标题,没有任何转写文本 segments 是惰性生成器,未迭代就结束(README「Warning」原文提示) 先 segments = list(segments) 或在 for 循环中消费再做导出;不要在迭代前把 segments 写入文件。
5 音频解码失败,误装系统 FFmpeg 仍报错 README 明确不依赖系统 FFmpeg,解码由 PyAV 内置库完成;真实原因通常是 PyAV 版本与音频编码 / 采样率不匹配 升级 faster-whisper 与 av(requirements 约束 av>=11);确认音频本身可被其他播放器打开;系统 FFmpeg 缺失不是 faster-whisper 的报错原因,排查方向应对准 PyAV 与文件格式。
6 长音频出现重复复读、时间戳整体后移 condition_on_previous_text=True 时上一段文本持续作为 prompt,易陷入失败循环(README 参数说明原文) 设 condition_on_previous_text=False;配合 vad_filter=True 静音过滤;必要时调 no_speech_threshold、compression_ratio_threshold;专有名词用 initial_prompt 提前给出。

本节来源清单

# URL 用途 验证方式(2026-10-25)
1 https://github.com/SYSTRAN/faster-whisper 官方仓库主页 curl HTML 200(GitHub 主页受 robots.txt 限制 web_fetch,改用 raw README 精读 + curl 核验)
2 https://raw.githubusercontent.com/SYSTRAN/faster-whisper/master/README.md 项目 README(定位、Requirements、GPU 库、安装、用法、benchmark、VAD、批处理、模型转换的唯一事实来源) curl 200 下载后全文精读(297 行)
3 https://github.com/SYSTRAN/faster-whisper/blob/master/LICENSE MIT 许可证原文 curl raw LICENSE 200,开头 MIT License / Copyright (c) 2023 SYSTRAN 已核对
4 https://pypi.org/project/faster-whisper/ PyPI 发行页(版本 1.2.1、license MIT、Python >=3.9) curl 200;https://pypi.org/pypi/faster-whisper/json 复核 info.version=1.2.1、requires_python>=3.9、license=MIT
5 https://github.com/SYSTRAN/faster-whisper/blob/master/faster_whisper/transcribe.py WhisperModel.__init__ 与 transcribe() 签名、默认值、docstring 来源 curl raw 200,1986 行;初始化签名 622–672 行、转写签名 781–825 行已逐行核对
6 https://github.com/OpenNMT/CTranslate2/ 推理引擎上游仓库(README 引用) curl 200
7 https://opennmt.net/CTranslate2/quantization.html compute_type 量化类型官方文档 curl 200
8 https://github.com/PyAV-Org/PyAV 音频解码库(README「FFmpeg does not need to be installed」依据) curl 200
9 https://developer.nvidia.com/cublas cuBLAS for CUDA 12 官方下载页(README GPU 节链接) curl 200
10 https://developer.nvidia.com/cudnn cuDNN 9 for CUDA 12 官方下载页(README GPU 节链接) curl 200
11 https://github.com/Purfview/whisper-standalone-win/releases/tag/libs Windows/Linux 独立 NVIDIA 库压缩包(README 折叠节方式三) curl 200
12 https://github.com/snakers4/silero-vad 内置 VAD 模型上游仓库(README VAD filter 节) curl 200
13 https://huggingface.co/Systran CT2 模型自动下载组织仓库(README Model conversion 节) curl 200
14 https://huggingface.co/Systran/faster-whisper-tiny tiny 模型仓库(72.0 MB model.bin) curl 200;tree API 实测体积
15 https://huggingface.co/Systran/faster-whisper-large-v3 large-v3 模型仓库(2944.3 MB model.bin) curl 200;tree API 实测体积
16 https://github.com/openai/whisper 原版 Whisper 上游;模型参数量、原版参考显存、A100 相对速度对照表来源 curl 200;raw README「Available models and languages」表格已核对(表内数值为原版 PyTorch 基线,非 CT2 实测,文中已标注)
17 https://huggingface.co/docs/huggingface_hub/guides/environment-variables HF_ENDPOINT 镜像环境变量机制官方文档 curl 200
18 https://huggingface.co/distil-whisper/distil-large-v3 README「Faster Distil-Whisper」引用的蒸馏模型卡 链接来自 README;未单独抓取模型卡内容,参数以 README 示例为准
19 https://github.com/Softcatala/whisper-ctranslate2 README Community integrations 所列第三方 CLI(非官方组件,文中已标注) curl 200
20 https://github.com/SYSTRAN/faster-whisper/archive/refs/heads/master.tar.gz README「Install the master branch」安装源 链接来自 README 折叠节;未在本环境执行安装
21 https://github.com/SYSTRAN/faster-whisper/archive/a4f1cc8f11433e454c3934442b5e1a4ed5e865c3.tar.gz README「Install a specific commit」示例 commit 安装源 链接来自 README 折叠节;commit 哈希逐字摘自 README
22 https://hf-mirror.com HF 国内镜像站首页;HF_ENDPOINT=https://hf-mirror.com 镜像目标 首页 curl 200;模型文件解析在本环境超时,镜像可用性以读者本地网络为准
23 https://github.com/SYSTRAN/faster-whisper/workflows/CI/badge.svg README 第 1 行 CI 徽章(状态标识,非项目配图) 随 README 一并核验
24 https://badge.fury.io/py/faster-whisper.svg README 第 1 行 PyPI 版本徽章(状态标识,非项目配图) 随 README 一并核验

待复核项:各档位 CT2 模型在 RTX 3070 8GB 上的独立显存占用,官方 README 仅公布 large-v2(GPU)与 small(CPU)实测数据;其余档位数值请以本机 nvidia-smi 实测为准,本节未做外推估算。

评论交流

文章目录