Repolode
Enviar
SYSTRAN

SYSTRAN/faster-whisper

Uma reimplementação mais rápida do modelo de reconhecimento de fala Whisper, da OpenAI, com o mecanismo de inferência CTranslate2, menor uso de memória e quantização de 8 bits.

Alternativa open source a:Otter.aiRev

Ver no GitHub
Estrelas
25,987
Forks
2,152
Issues abertas
20
Último commit
há 4 dias

O que é?

faster-whisper é uma reimplementação em Python do modelo de reconhecimento de fala Whisper, da OpenAI, que roda no CTranslate2, um mecanismo rápido de inferência para modelos Transformer. A biblioteca é voltada a desenvolvedores que querem transcrever áudio com o Whisper usando menos tempo e memória na inferência, e oferece suporte à quantização de 8 bits tanto em CPU quanto em GPU.

A biblioteca disponibiliza a classe WhisperModel, que carrega modelos pelo nome do tamanho, como large-v3 ou distil-large-v3, e baixa os pesos convertidos do Hugging Face Hub. A transcrição retorna um gerador de segmentos com marcações de tempo; as opções incluem marcações por palavra, filtragem de silêncio baseada no Silero VAD e um BatchedInferencePipeline para processamento em lotes em GPU ou CPU. O áudio é decodificado pelo PyAV, portanto não é necessário instalar o FFmpeg separadamente.

Um script de conversão transforma modelos Whisper compatíveis com Transformers, inclusive os ajustados com fine-tuning, para o formato CTranslate2. O uso de GPU requer as bibliotecas NVIDIA cuBLAS e cuDNN, com observações sobre as versões do CUDA 11 e 12.

Recursos principais

  • 01Executa modelos Whisper no CTranslate2 com menor uso de memória que a implementação original.
  • 02Oferece suporte à quantização FP16 e INT8 em GPU e CPU.
  • 03Disponibiliza marcações de tempo por palavra e por segmento.
  • 04Inclui filtragem com Silero VAD para pular trechos silenciosos do áudio.
  • 05Oferece um pipeline de inferência em lotes que pode substituir transcribe diretamente.
  • 06Converte modelos Whisper no formato Transformers, inclusive os ajustados com fine-tuning, para CTranslate2.

Casos de uso

  • Transcrever gravações de reuniões ou podcasts em um servidor local com GPU ou CPU.
  • Adicionar reconhecimento de fala a um aplicativo Python ou serviço de backend.
  • Gerar legendas com marcação de tempo por palavra para vídeos.
  • Criar um pipeline de transcrição em tempo real ou quase em tempo real com base no Whisper.

Início rápido

  1. 1

    Instale o pacote pelo PyPI

    pip install faster-whisper
  2. 2

    Transcreva um arquivo de áudio com a API do Python (consulte a seção Usage para ver o código completo)

Antes de usar

  • Para usar a GPU, é necessário instalar separadamente as bibliotecas NVIDIA cuBLAS para CUDA 12 e cuDNN 9.
  • A versão mais recente do ctranslate2 só oferece suporte ao CUDA 12 e ao cuDNN 9. Portanto, configurações com versões anteriores do CUDA precisam de uma versão anterior do ctranslate2.

Tópicos

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

Perguntas frequentes

O que é faster-whisper?
Uma reimplementação mais rápida do modelo de reconhecimento de fala Whisper, da OpenAI, com o mecanismo de inferência CTranslate2, menor uso de memória e quantização de 8 bits. faster-whisper é uma reimplementação em Python do modelo de reconhecimento de fala Whisper, da OpenAI, que roda no CTranslate2, um mecanismo rápido de inferência para modelos Transformer. A biblioteca é voltada a desenvolvedores que querem transcrever áudio com o Whisper usando menos tempo e memória na inferência, e oferece suporte à quantização de 8 bits tanto em CPU quanto em GPU.
faster-whisper é gratuito? Qual é a licença?
faster-whisper é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
faster-whisper ainda é mantido?
Manutenção ativa. O último commit de faster-whisper foi em 16 de out. de 2026.
Para que posso usar faster-whisper?
Transcrever gravações de reuniões ou podcasts em um servidor local com GPU ou CPU. Adicionar reconhecimento de fala a um aplicativo Python ou serviço de backend. Gerar legendas com marcação de tempo por palavra para vídeos. Criar um pipeline de transcrição em tempo real ou quase em tempo real com base no Whisper.
Como instalar faster-whisper?
Instale o pacote pelo PyPI: pip install faster-whisper Transcreva um arquivo de áudio com a API do Python (consulte a seção Usage para ver o código completo)
Onde consigo faster-whisper?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/SYSTRAN/faster-whisper

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados