CrisperWhisper

让 Whisper 转写更精确,词级时间戳和语气词全搞定

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 95 🐛 待处理 32 👀 关注 16
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1479
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目,本地部署,完全免费,无付费版本。

项目预览

CrisperWhisper 项目界面预览图
图片来源:项目官网

项目数据

分类语音识别
开发团队nyrahealth
定价模式🏷️完全免费
价格说明开源项目,本地部署,完全免费,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asr,audio,detection,filler,full-duplex-audio,labeling,recognition,speech,speech-processing,speech-recognition,stutter-detection,stuttering,timestamps,transcription,turn-taking,verbatim,whisper
GitHub 星标★ 1479
上线时间2024-05-24 00:00:00
代码更新2026-11-06
仓库体积8.8 MB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-10
浏览次数7

项目介绍

CrisperWhisper 是一个基于 OpenAI Whisper 的语音识别增强工具,专注于解决标准 Whisper 输出中时间戳不精确和缺少语气词(如“嗯”“啊”)的问题。它通过改进词级时间戳对齐算法,让每个词的起止时间更准确,同时新增了填充词检测功能,能识别并标记口语中的停顿词、重复词和修正词,生成更接近人类逐字记录的转写文本。该工具提供简单的 Python API 和命令行接口,支持批量处理音频文件,并允许用户自定义填充词列表和输出格式。它特别适合需要精确时间码或完整口语内容的场景,如字幕制作、会议记录、访谈分析和语音数据标注。项目基于 Whisper 的模型架构,无需额外训练即可使用,但提供了微调接口以适配特定领域词汇。

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 2026-08-10 · 当前星标 ★ 1479

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:入门 约 10 分钟 部署方式:库/依赖 3 步

环境要求

  • 已安装 Python 3 与 pip(README 未给出具体版本要求)
  • 可访问 PyPI 安装 Python 包
  • 首次运行需联网从 Hugging Face 下载模型权重
  • 无需 GPU,CPU 环境亦可运行

安装与启动步骤

  1. 1准备 Python 环境

    确认本机已装好 Python 3 和 pip,建议在虚拟环境中安装,避免与系统环境冲突。README 未指定最低 Python 版本。

  2. 2安装 CrisperWhisper

    通过 pip 安装带 transformers 依赖的版本,README 说明该版本为纯 PyTorch 实现,可在 macOS、Windows 和 CPU 上运行。

    pip install "crisperwhisper[transformers]"
  3. 3加载模型

    在 Python 中导入 CrisperWhisperModel 并实例化,默认使用 nyralabs/CrisperWhisper2.0_large 权重,首次执行会自动下载。

    from crisperwhisper import CrisperWhisperModel
    
    model = CrisperWhisperModel()          # nyralabs/CrisperWhisper2.0_large

关键配置

配置项必填说明示例
model是要加载的模型权重标识,README 默认给出 large 版本nyralabs/CrisperWhisper2.0_large

如何确认成功

执行模型加载代码无报错,且首次运行时自动完成模型权重下载,即表示安装成功。

常见问题

Q:没有 GPU 能用吗?

A:可以。README 明确该版本为 Pure PyTorch,能在 torch 支持的任何环境运行,包括 macOS、Windows 和纯 CPU 环境。

Q:支持中文等多语言吗?

A:README 将其定位为 multilingual(多语言)模型,但未列出具体语言清单,建议查阅官方 DOCS.md 确认。

Q:能给出逐词时间戳吗?

A:可以。README 称其词级时间戳平均边界误差约 30 毫秒(朗读语音)和 41 毫秒(对话语音)。

Q:怎么处理“嗯”“啊”这类语气词?

A:README 提供两种输出:verbatim 模式保留原话并用方括号标记填充词,intended 模式输出清理后的书面化内容。

注意事项

  • README 节选未给出完整转写调用示例,实际转写用法请查阅项目 DOCS.md 与官网 nyra-labs.com。
  • 首次加载模型会从 Hugging Face 下载权重,需保证网络可访问 huggingface.co/nyralabs。
  • README 中仅提供 pip 安装方式,未提及 Docker、conda 等其他安装途径。

核心亮点

  • 词级时间戳精度显著优于原生 Whisper,误差从秒级降到毫秒级
  • 自动检测并标注“嗯”“啊”等填充词,适合逐字稿和语言学研究
  • 提供简单 API 和 CLI,几行代码即可集成到现有语音处理流程

不足之处

  • 依赖 Whisper 模型,首次运行需下载较大模型文件
  • 对长音频处理速度较慢,实时性不足
  • 文档/社区待观察

适用场景

  • 字幕制作:需要精确到词的时间码,方便对轴
  • 会议访谈记录:保留语气词,还原真实口语内容
  • 语音数据标注:为 NLP 模型提供带填充词标记的训练数据

替代项目

whisper-timestamped、faster-whisper、stable-ts

上一篇:amical

下一篇:murmure

同类项目推荐

WhisperHallu 开源

预处理音频,让 Whisper 转录不再胡说八道

Experimental code: sound file preprocessing to optimize Whisper transcriptions witho···

★ 352 2026-08-09
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···

★ 1293 2026-08-09
voicekey 开源

按一个键说话,文字自动出现在光标处

Voice to text, one key to input.

★ 184 2026-09-15
AudioNotes 开源

上传音视频,自动生成结构化 Markdown 笔记

快速提取音视频内容,整理成一份结构化的markdown笔记

★ 2555 2026-08-10
whisper.rn 开源

手机端离线跑 Whisper,语音转文字不联网

React Native binding of whisper.cpp.

★ 809 2026-09-23
Handy 开源

完全离线、免费开源的语音转文字工具,保护隐私,即开即用。

A free, open source, and extensible speech-to-text application that works completely···

★ 38123 2026-08-10
awesome-voice-typing 开源

按平台找离线语音输入工具,一页搞定

Curated list of open-source speech-to-text and voice typing tools for Linux, macOS, ···

★ 214 2026-09-24
SmartSpeaker 开源

用STM32+ESP8266自造一台能联网听话的智能音箱

一个基于云端语音识别的智能控制设备,类似于天猫精灵,小爱同学。采用的芯片为stm32f407,···

★ 314 2026-10-03
doubao-murmur 开源

按一下就说,说完字就出现在光标处

极简语音输入法,利用豆包 Web 语音识别实现全局听写。支持 macOS 、Windows 与 Linux/Ste···

★ 143 2026-10-21