whisperX-FastAPI 是语音识别领域的开源项目，由 pavelzbornik 开发，2023 年首次发布。
它收录于语音识别分类，该分类目前共有 192 个项目，GitHub 星标数为 186。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-11。开源免费，需自行部署。
它主要面向的使用场景是：为会议录音生成带说话人区分的转写文本。同类可对比的替代方案包括 whisper-asr-webservice、whisper.cpp、faster-whisper。
whisperX-FastAPI
上传音频，直接拿到带时间戳和说话人标签的转写接口
whisperX-FastAPI 是把 WhisperX 语音识别流水线封装成 REST API 的服务端项目。WhisperX 本身在 OpenAI Whisper 基础上加入了语音活动检测（VAD）、强制对齐和说话人分离，能输出带精确词级时间戳和说话人标签的转写结果，但直接调用需要写 Python 脚本、管理模型加载和显存。这个项目解决的就是把上述能力变成开箱即用的 HTTP 接口：上传音频文件，返回 JSON 格式的转写文本、时间戳与说话人分段。核心能力包括基于 FastAPI 的同步/异步接口、模型与设备配置、批量文件处理，适合需要把高质量 ASR 集成进已有后端或前端应用的开发者，省去自己封装模型推理和并发调度的成本。
开源
free
语音识别
GitHub 星标
★ 186
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类语音识别
开发团队pavelzbornik
所属国家
定价模式free
价格说明开源免费，需自行部署
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型api-rest,asr,fastapi,speech-to-text,whisper
GitHub 星标★ 186
30天Star增速
HF 下载量
上线时间2023-12-09 00:00:00
最近更新2026-09-11 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-23
浏览次数0
使用教程
核心亮点
- 在 WhisperX 基础上直接提供 HTTP 接口，省去自己封装模型加载与推理调度
- 输出包含词级时间戳和说话人分离结果，比裸 Whisper 更适合做字幕和会议记录
- 基于 FastAPI，自带交互式文档，接口定义清晰，便于接入现有后端
不足之处
- 星标数较少，属于早期项目，生产环境稳定性与长期维护待观察
- 依赖 WhisperX 和模型权重，部署时对显存和镜像体积要求较高
适用场景
- 为会议录音生成带说话人区分的转写文本
- 给视频批量生成带时间戳的字幕文件
- 在自有应用后端集成语音转文字能力，避免直接调用闭源 API
替代项目
whisper-asr-webservice、whisper.cpp、faster-whisper
项目介绍
上一篇：whisperIME
下一篇：whisper.rn
同类项目推荐
obs-localvocal
开源
直播录屏时，本地AI实时生成字幕，保护隐私零延迟
OBS plugin for local speech recognition and captioning using AI
LiveCaptions-Translator
开源
实时捕获系统音频，一键翻译成你懂的语言
Lightweight and powerful real-time audio/speech translation tool based on Windows Li···
speechbrain
开源
一站式 PyTorch 语音工具箱，快速搞定识别、说话人验证等任务
A PyTorch-based Speech Toolkit
whisper-diarization
开源
给语音转写加上说话人标签，会议记录一目了然
Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper