Repolode
Enviar
SYSTRAN

SYSTRAN/faster-whisper

Una reimplementación más rápida del modelo de transcripción de voz Whisper de OpenAI, basada en el motor de inferencia CTranslate2, con menor uso de memoria y cuantización de 8 bits.

Alternativa open source a:Otter.aiRev

Ver en GitHub
Estrellas
25,987
Forks
2,152
Issues abiertos
20
Último commit
hace 4 días

¿Qué es?

faster-whisper es una reimplementación en Python del modelo de reconocimiento de voz Whisper de OpenAI que se ejecuta en CTranslate2, un motor de inferencia rápido para modelos Transformer. Está dirigida a desarrolladores que quieren transcribir audio con Whisper dedicando menos tiempo y memoria a la inferencia, y admite cuantización de 8 bits tanto en CPU como en GPU.

La biblioteca ofrece una clase WhisperModel que carga modelos por nombre y tamaño, como large-v3 o distil-large-v3, y descarga pesos convertidos desde Hugging Face Hub. La transcripción devuelve un generador de segmentos con marcas de tiempo; entre las opciones se incluyen marcas de tiempo por palabra, filtrado de silencios basado en Silero VAD y una BatchedInferencePipeline para procesar lotes en GPU o CPU. El audio se decodifica mediante PyAV, por lo que no es necesario instalar FFmpeg por separado.

Un script de conversión transforma modelos Whisper compatibles con Transformers, incluidos los ajustados con fine-tuning, al formato de CTranslate2. Para usar la GPU se necesitan las bibliotecas NVIDIA cuBLAS y cuDNN, y se incluyen notas sobre las versiones de CUDA 11 y 12.

Funciones clave

  • 01Ejecuta modelos Whisper en CTranslate2 con menos uso de memoria que la implementación original.
  • 02Admite cuantización FP16 e INT8 tanto en GPU como en CPU.
  • 03Ofrece marcas de tiempo por palabra y por segmento.
  • 04Incluye filtrado con Silero VAD para omitir las partes silenciosas del audio.
  • 05Ofrece una canalización de inferencia por lotes que puede sustituir directamente a transcribe.
  • 06Convierte modelos Whisper en formato Transformers, incluidos los ajustados con fine-tuning, a CTranslate2.

Casos de uso

  • Transcribir grabaciones de reuniones o podcasts en un servidor local con GPU o CPU.
  • Añadir conversión de voz a texto a una aplicación Python o a un servicio de backend.
  • Generar subtítulos con marcas de tiempo por palabra para contenido de video.
  • Crear una canalización de transcripción en tiempo real o casi real basada en Whisper.

Inicio rápido

  1. 1

    Instala el paquete desde PyPI

    pip install faster-whisper
  2. 2

    Transcribe un archivo de audio con la API de Python (consulta la sección Usage para ver el código completo)

Antes de usarlo

  • Para usar la GPU, es necesario instalar por separado las bibliotecas NVIDIA cuBLAS para CUDA 12 y cuDNN 9.
  • La versión más reciente de ctranslate2 solo admite CUDA 12 y cuDNN 9, por lo que las configuraciones con versiones anteriores de CUDA necesitan una versión anterior de ctranslate2.

Temas

#speech-to-text#whisper#speech-recognition#ctranslate2#quantization#transcription#inference#deep-learning#openai#transformer

Preguntas frecuentes

¿Qué es faster-whisper?
Una reimplementación más rápida del modelo de transcripción de voz Whisper de OpenAI, basada en el motor de inferencia CTranslate2, con menor uso de memoria y cuantización de 8 bits. faster-whisper es una reimplementación en Python del modelo de reconocimiento de voz Whisper de OpenAI que se ejecuta en CTranslate2, un motor de inferencia rápido para modelos Transformer. Está dirigida a desarrolladores que quieren transcribir audio con Whisper dedicando menos tiempo y memoria a la inferencia, y admite cuantización de 8 bits tanto en CPU como en GPU.
¿faster-whisper es gratuito? ¿Qué licencia tiene?
faster-whisper es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿faster-whisper sigue mantenido?
Mantenimiento activo. El último commit de faster-whisper fue el 16 oct 2026.
¿Para qué puedo usar faster-whisper?
Transcribir grabaciones de reuniones o podcasts en un servidor local con GPU o CPU. Añadir conversión de voz a texto a una aplicación Python o a un servicio de backend. Generar subtítulos con marcas de tiempo por palabra para contenido de video. Crear una canalización de transcripción en tiempo real o casi real basada en Whisper.
¿Cómo se instala faster-whisper?
Instala el paquete desde PyPI: pip install faster-whisper Transcribe un archivo de audio con la API de Python (consulta la sección Usage para ver el código completo)
¿Dónde consigo faster-whisper?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/SYSTRAN/faster-whisper

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados