whisper-timestamped

环境要求

• Python 3（版本 ≥ 3.7，官方推荐至少 3.9）
• ffmpeg（安装方式参见 OpenAI Whisper 仓库说明）
• 如需 GPU 加速，需相应 CUDA 依赖（CPU 用户可用轻量安装）
• Docker（仅在用 Docker 方式安装时需要）

安装与启动步骤

1. 1安装 ffmpeg

   whisper-timestamped 依赖 ffmpeg 处理音频，README 要求先装好，具体安装方法见 OpenAI Whisper 仓库说明。

2. 2CPU 版 torch（可选）

   没有 GPU 或不用 GPU 时，先装轻量版 torch 与 torchaudio，再装 whisper-timestamped，可省去 CUDA 依赖。

   pip3 install 
        torch==1.13.1+cpu 
        torchaudio==0.13.1+cpu 
        -f https://download.pytorch.org/whl/torch_stable.html

   复制

3. 3pip 安装主包

   最简安装方式，一条命令即可装好 whisper-timestamped 及其依赖。

   pip3 install whisper-timestamped

   复制

4. 4源码安装

   克隆仓库后运行 setup.py 安装，适合需要改代码或查看示例的场景。

   git clone https://github.com/linto-ai/whisper-timestamped
   cd whisper-timestamped/
   python3 setup.py install

   复制

5. 5构建 Docker 镜像

   构建约 9GB 的完整镜像，包含 GPU 相关依赖；需先克隆仓库并进入目录。

   git clone https://github.com/linto-ai/whisper-timestamped
   cd whisper-timestamped/
   docker build -t whisper_timestamped:latest .

   复制

6. 6构建 CPU 镜像

   使用 Dockerfile.cpu 构建约 3.5GB 的轻量 CPU 镜像，适合无 GPU 环境。

   git clone https://github.com/linto-ai/whisper-timestamped
   cd whisper-timestamped/
   docker build -t whisper_timestamped_cpu:latest -f Dockerfile.cpu .

   复制

7. 7开启 VAD 转写

   静音段易让 Whisper 产生幻觉文本，加上 --vad True 可先做语音活动检测再识别。

   whisper_timestamped --vad True ...

   复制

8. 8更换 VAD 方法

   默认 VAD 为 silero，新版 silero 可能误报，可换成旧版 silero 或 auditok。

   whisper_timestamped --vad silero:v3.1 ...
   whisper_timestamped --vad auditok ...

   复制

关键配置

如何确认成功

命令行运行 whisper_timestamped 能得到带词级时间戳的识别结果；加 --plot 可显示 VAD 与对齐图。

常见问题

注意事项

• Python 版本要求 ≥ 3.7，官方推荐至少 3.9。
• 轻量 CPU 版 torch/torchaudio 必须在安装 whisper-timestamped 之前装好。
• 完整 Docker 镜像约 9GB，CPU 镜像约 3.5GB，请预留磁盘空间。
• README 未给出统一的启动成功判断命令，建议自行准备一段音频测试转写输出。