docker-whisper

一条命令自建 OpenAI 兼容语音转文字服务，带说话人分离

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 语音识别 🍴 复刻 26 🐛 待处理 6 👀 关注 1
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 121
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费，Docker镜像自托管，无付费版本

项目预览

docker-whisper 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类语音识别
开发团队hwdsl2
官网地址https://scribecrate.com
GitHubhttps://github.com/hwdsl2/scribecrate
定价模式🏷️完全免费
价格说明开源免费，Docker镜像自托管，无付费版本
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型ai,audio,cuda,docker,docker-compose,docker-image,faster-whisper,inference,linux,openai,openai-compatible,quantization,self-hosted,speaker-diarization,speech-recognition,speech-to-text,streaming,transcription,translation,whisper
GitHub 星标★ 121
上线时间2026-04-08 00:00:00
代码更新2026-11-02
仓库体积418 KB
本站数据更新2026-11-03
维护状态活跃
收录时间2026-09-15
浏览次数1

项目介绍

docker-whisper 是一个把 Whisper 语音识别服务打包成 Docker 镜像的开源项目，目标是让用户在自己的服务器上快速搭建一套兼容 OpenAI 接口的语音转文字服务。它基于 faster-whisper 推理引擎，支持 Whisper 全系列模型，并提供说话人分离（diarization）能力，能区分录音中不同说话人。项目对外暴露与 OpenAI 一致的 transcription 和 translation API，现有调用 OpenAI 语音接口的代码几乎可以无缝迁移。输出格式支持 JSON、SRT、VTT，方便直接用于字幕生成；同时支持 SSE 流式返回，适合实时字幕或边转边显示的场景。它支持 NVIDIA GPU（CUDA）加速和量化，能在消费级显卡上跑较大模型；也提供离线模式，适合内网或隐私敏感环境。镜像覆盖 amd64 和 arm64 多架构，配合 docker-compose 一条命令即可部署，省去手动配置 Python 环境和依赖的麻烦。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-15 · 当前星标 ★ 121

核心亮点

  • 基于 faster-whisper，比原版 Whisper 推理更快、显存占用更低，支持量化
  • 提供 OpenAI 兼容的 transcription/translation API，现有代码可直接迁移
  • 内置说话人分离，能区分多人对话中的不同说话人，适合会议记录

不足之处

  • 项目星标仅 102，属于早期项目，社区规模和长期维护稳定性有待观察
  • 说话人分离依赖额外模型，配置和效果调优可能需要一定门槛

适用场景

  • 自建会议录音转写服务，自动区分发言人并生成带说话人标签的文字记录
  • 为视频批量生成 SRT/VTT 字幕，替代人工听打
  • 在内网或隐私敏感环境离线部署语音转文字，数据不出本地

替代项目

openai/whisper、m-bain/whisperX、SYSTRAN/faster-whisper

上一篇：NeMo-Speech.cpp

下一篇：vocotype-cli

同类项目推荐

AudioToText 开源

音频一键转写并翻译成目标语言字幕

Transcribe and translate audio to text using Whisper and DeepL.

★ 397 2026-10-12
StreamSpeech 开源

一个模型搞定语音识别、翻译和合成，离线同声两相宜

StreamSpeech is an “All in One” seamless model for offline and simultaneous speech···

★ 1294 2026-08-09
sherpa-onnx 开源

离线搞定语音识别与合成，支持多端多语言

Speech-to-text, text-to-speech, speaker diarization, speech enhancement, source sepa···

★ 15691 2026-08-09
giga-pisar 开源

按住右⌘说话，松开出俄语文字，全程离线

Гига Писарь: бесплатная локальная русская дик···

★ 115 2026-10-21
parakeet-rs 开源

Rust 本地跑 NVIDIA Parakeet，CPU 也能极速语音转写与说话人分离

very fast speech-to-text, diarization, streaming (even in CPU) with NVIDIA Parakeet ···

★ 420 2026-09-12
whisper-plus 开源

让 Whisper 转写更快更省显存，长音频批量处理更顺手

WhisperPlus: Faster, Smarter, and More Capable

★ 1947 2026-09-23
whispering 开源

说话即出字幕，VRChat 和直播叠加一键同步

Whispering Tiger - OpenAI's whisper (and other models) with OSC and Websocket suppor···

★ 552 2026-09-23
nanowakeword 开源

少量数据训练自定义唤醒词，本地离线跑

A lightweight, wake word detection engine. Train custom, high-accuracy models with m···

★ 135 2026-09-15
deepgram-dotnet-sdk 开源

在 .NET 项目中快速接入 Deepgram 语音识别与合成，实现语音交互。

Official .NET SDK for Deepgram.

★ 58 2026-08-09