whisperX

环境要求

• Python 环境（通过 pip 或 uv 安装）
• GPU 加速需预先安装 CUDA toolkit 12.8，仅用 CPU 可跳过
• 可能需要额外安装 ffmpeg、rust 等系统依赖
• 磁盘与显存需能容纳所选 Whisper 模型（显存不足可调小 batch_size）

安装与启动步骤

1. 1安装 CUDA（可选）

   要用 GPU 加速，需在安装 WhisperX 之前装好 CUDA toolkit 12.8；只用 CPU 则跳过此步。

2. 2准备系统依赖

   README 提示可能还需要安装 ffmpeg、rust 等，按其给出的 OpenAI Whisper 安装说明操作。

3. 3PyPI 安装（推荐）

   最简单的安装方式，一条命令装好 WhisperX。

   pip install whisperx

   复制

4. 4用 uvx 直接运行

   已装 uv 时可用 uvx 运行工具，无需先手动安装包。

   uvx whisperx

   复制

5. 5从 GitHub 安装

   想直接用仓库当前代码，可用 uvx 从 GitHub 地址安装运行。

   uvx git+https://github.com/m-bain/whisperX.git

   复制

6. 6开发者安装

   需要改代码或贡献时用此方式克隆仓库并同步全部依赖，注意开发版可能含实验特性与 bug。

   git clone https://github.com/m-bain/whisperX.git
   cd whisperX
   uv sync --all-extras --dev

   复制

7. 7运行 Python 示例

   新建脚本设置设备、音频文件、批大小与计算精度；README 片段仅到变量定义，后续加载模型代码按官方仓库补全。

   import whisperx
   import gc
   from whisperx.diarize import DiarizationPipeline
   
   device = "cuda"
   audio_file = "audio.mp3"
   batch_size = 16 # reduce if low on GPU mem
   compute_type = "float16" # change to "int8" if low on GPU mem (may reduce accuracy)

   复制

关键配置

如何确认成功

运行 Python 示例能正常导入 whisperx、加载模型并输出转录结果与词级时间戳，即安装成功。

常见问题

注意事项

• GPU 加速必须先装 CUDA toolkit 12.8，且要在安装 WhisperX 之前完成。
• 开发版可能包含实验特性和 bug，生产环境建议使用 PyPI 稳定版。
• README 的 Python 示例是片段，完整转录与对齐流程需参考仓库后续代码。