whisper

环境要求

• Python 3.8-3.11（官方测试环境为 Python 3.9.9）
• PyTorch（官方测试用 1.10.1，兼容较新版本）
• 系统需安装 ffmpeg 命令行工具
• 可联网环境（用于下载模型权重）

安装与启动步骤

1. 1安装 ffmpeg

   Whisper 依赖系统命令行工具 ffmpeg 处理音频，README 说明它可通过大多数包管理器安装，请按你的操作系统用对应包管理器装好。

2. 2安装 Whisper 包

   用 pip 下载并安装最新发布版 Whisper，会自动带上 tiktoken 等 Python 依赖。建议在虚拟环境中执行。

   pip install -U openai-whisper

   复制

3. 3从仓库安装（可选）

   如果想用 GitHub 仓库最新提交版本，改用这条命令，会拉取仓库代码并安装其 Python 依赖。两种方式选一种即可。

   pip install git+https://github.com/openai/whisper.git

   复制

4. 4升级到仓库最新版

   已装过旧版时，用这条命令强制重装仓库最新提交版本而不动依赖。

   pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git

   复制

5. 5查看可用参数

   列出所有命令行选项，能正常打印帮助说明就代表安装成功。

   whisper --help

   复制

6. 6转写音频文件

   用默认 turbo 模型转写一个或多个音频文件，模型权重会在首次运行时自动下载，输出文字到终端。

   whisper audio.flac audio.mp3 audio.wav --model turbo

   复制

7. 7指定语种转写

   处理非英语语音时用 --language 指定语种，可提升转写准确率；语种列表见仓库 tokenizer.py。

   whisper japanese.wav --language Japanese

   复制

8. 8翻译为非英语到英语

   把非英语语音翻译成英文，需使用多语言模型并加 --task translate，turbo 模型不能用于翻译任务。

   whisper japanese.wav --model medium --language Japanese --task translate

   复制

关键配置

如何确认成功

执行 whisper --help 能正常列出全部选项，说明安装成功；转写音频后终端会直接输出识别文本。

常见问题

注意事项

• 转写英语用默认 turbo 模型即可，但 turbo 不支持翻译任务。
• 必须先在系统上安装 ffmpeg，否则无法处理音频文件。
• 模型权重在首次运行时下载，需保证网络可用。
• Python 3.8-3.11 与较新版本 PyTorch 均可运行，官方测试环境为 Python 3.9.9 + PyTorch 1.10.1。