项目预览
项目数据
项目介绍
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。
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
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···
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···
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.
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
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.
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···
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, ···
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,···
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···
