faster-whisper 是一个基于 OpenAI 的 Whisper 模型进行优化的语音识别项目。

特点

• 速度更快：相较于原始的 Whisper 模型，它在推理速度上有显著提升，能够更高效地将语音转换为文本，这使得它在处理大量语音数据或者对实时性要求较高的场景中表现更为出色。
• 易于使用：它提供了相对简洁的 API，方便开发者集成到自己的项目中。比如在 Python 项目中，通过简单的安装和几行代码的调用，就可以实现语音识别功能。

可以通过 pip 进行安装，示例命令如下：

pip install faster-whisper

以下是一个简单的 Python 示例，展示如何使用 faster-whisper 进行语音识别：

from faster_whisper import WhisperModel
import os
os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE'
model_size = "tiny"

model = WhisperModel(model_size, device="cpu", compute_type="int8")

segments, info = model.transcribe("fr.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))
# 遍历并打印每个片段的识别结果
for segment in segments:
    print(f"(开始时间: {segment.start:.2f} 秒) (结束时间: {segment.end:.2f} 秒) {segment.text}")

使用 faster-whisper 时是否需要安装 CUDA 和 cuDNN，取决于你是否要使用 GPU 来加速运算134. 如果想使用 GPU 加速，则需要安装 CUDA 和 cuDNN，否则不需要安装，以下是具体介绍：

需要安装 CUDA 和 cuDNN 的情况

• 利用 GPU 加速运算：faster-whisper 高度依赖于 GPU 加速计算来提升语音识别的速度和效率，其底层的 CTranslate2 推理引擎在 GPU 上能够发挥更好的性能134.
• 使用特定功能或模型：某些特定的功能或较大的模型可能需要 CUDA 和 cuDNN 的支持才能正常运行或达到更好的效果。 比如在处理较长音频文件或对识别精度要求较高的场景下，使用 GPU 加速能够显著缩短处理时间134.

不需要安装 CUDA 和 cuDNN 的情况

• 仅使用 CPU 进行运算：如果你的系统中没有 NVIDIA GPU，或者你不打算使用 GPU 来加速 faster-whisper 的运算，那么可以不安装 CUDA 和 cuDNN，此时 faster-whisper 会在 CPU 上运行，但速度相对较慢13.
• 测试或简单应用场景：在一些简单的测试或对性能要求不高的应用场景中，CPU 的运算能力足以满足需求，无需额外安装 CUDA 和 cuDNN 来增加系统的复杂性和资源占用 。

如果需要Gpu来加速可测试以下代码

from faster_whisper import WhisperModel
import os
os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE'

# 选择模型大小，这里以 "medium" 为例，你可根据需求更换
model_size = "medium"

# 创建模型实例，指定使用GPU（通过 "cuda:0"，假设只有一个GPU且其ID为0）及计算类型
model = WhisperModel(model_size, device="cuda", compute_type="int8_float16")

# 假设音频文件名为 "example_audio.wav"，可根据实际情况替换
audio_path = "fr.mp3"

# 对音频文件进行转录操作
segments, info = model.transcribe(audio_path)

# 打印识别出的语言及概率
print(f"Detected language '{info.language}' with probability {info.language_probability}")

# 遍历并打印每个片段的识别结果
for segment in segments:
    print(f"(开始时间: {segment.start:.2f} 秒) (结束时间: {segment.end:.2f} 秒) {segment.text}")

首次运行会下载模型

下载完模型之后就有运行效果了

常见错误：Could not locate cudnn_ops64_9.dll

尝试解决方法：

pip install ctranslate2==4.4.0