whisper-ctranslate2

用 CTranslate2 加速 Whisper，本地转写更快更省显存

whisper-ctranslate2 是一个基于 CTranslate2 推理引擎的 Whisper 命令行客户端，接口与 OpenAI 官方 whisper 客户端保持兼容。它解决的核心问题是：原版 Whisper 在 CPU 或普通 GPU 上推理速度慢、显存占用高，而该项目通过 CTranslate2 的量化与优化算子，把模型推理速度提升数倍，同时显著降低内存占用。核心能力包括：支持多种模型尺寸（tiny 到 large-v3）、多种量化精度（int8、float16 等）、批量推理、VAD 语音活动检测、词级时间戳、多种输出格式（txt、srt、vtt、json 等），并可选择 CPU 或 CUDA 设备运行。对于需要本地批量转写音频、又不想依赖云端 API 的用户，它提供了接近原版使用体验但更高效的替代方案，安装后只需把 whisper 命令替换为 whisper-ctranslate2 即可迁移。

开源 free 语音识别

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1357

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类语音识别

开发团队Softcatala

所属国家

官网地址

GitHubhttps://github.com/Softcatala/whisper-ctranslate2

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openai-,openai-whisper,speech-recognition,speech-to-text,whisper

GitHub 星标★ 1357

30天Star增速

HF 下载量

上线时间2023-03-17 00:00:00

代码更新—

仓库体积—

本站数据更新—

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2026-10-05

浏览次数0

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

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：命令行工具 6 步

环境要求

Python 环境（可用 pip 安装包，README 未指定最低版本）
可选：NVIDIA GPU 及驱动，用于 Docker 的 --gpus 参数加速
可选：已安装 Docker，用于容器方式运行
磁盘空间：模型体积较大（Docker 镜像已内置 small、medium、large-v2 模型）

安装与启动步骤

1安装命令行客户端

使用 pip 安装最新稳定版 whisper-ctranslate2，安装后即可在终端调用同名命令。
```
pip install whisper-ctranslate2
```
2（可选）拉取 Docker 镜像

不使用本地 Python 环境时，可直接拉取官方预构建镜像，镜像内已包含 small、medium、large-v2 模型。
```
docker pull ghcr.io/softcatala/whisper-ctranslate2:latest
```
3（可选）容器内转录音频

把当前目录挂载到容器 /srv/files/，用镜像内模型转录音频并输出到同一目录；无 GPU 时去掉 --gpus 参数。
```
docker run --gpus "device=0" -v "$(pwd)":/srv/files/ -it ghcr.io/softcatala/whisper-ctranslate2:latest /srv/files/audio.mp3 --output_dir /srv/files/
```
4执行语音转录

命令与 OpenAI Whisper 完全一致，把音频文件路径换成你自己的文件，并用 --model 选择模型尺寸（如 medium）。
```
whisper-ctranslate2 inaguracio2011.mp3 --model medium
```
5翻译为英文

加 --task translate 可把源语言语音直接翻译成英文；注意该任务仅支持英文作为目标语言。
```
whisper-ctranslate2 inaguracio2011.mp3 --model medium --task translate
```
6查看全部可用选项

运行 --help 可看到所有支持的参数说明，包括模型、输出格式、VAD、时间戳等。
```
whisper-ctranslate2 --help
```

关键配置

配置项	必填	说明	示例
`--model`	否	指定使用的 Whisper 模型尺寸，如 tiny、small、medium、large-v2 等	`medium`
`--task`	否	transcribe 为转录原文，translate 为翻译成英文	`translate`
`--output_dir`	否	指定输出文件保存目录，不指定则输出到当前目录	`/srv/files/`
`--gpus`	否	Docker 参数，授予容器 GPU 访问权限；无 GPU 时删除该项	`device=0`

如何确认成功

执行 whisper-ctranslate2 --help 能正常打印帮助信息；转录命令结束后在输出目录生成结果文件即成功。

常见问题

Q：没有 GPU 可以使用吗？

A：可以。使用 Docker 时删除 --gpus "device=0" 参数即可；本地 pip 安装方式也能在 CPU 上运行，只是速度较慢。

Q：Docker 镜像里有哪些模型？

A：官方镜像已内置 small、medium 和 large-v2 三个模型，可直接在容器内使用，无需额外下载。

Q：翻译任务支持哪些目标语言？

A：--task translate 只能把源语言语音翻译成英文，英文是唯一支持的目标语言。

Q：如何知道有哪些可用参数？

A：运行 whisper-ctranslate2 --help，会列出全部支持的选项及其说明。

注意事项

命令行接口与 OpenAI Whisper 保持兼容，迁移时原命令基本可直接替换。
Docker 方式需用 -v "$(pwd)":/srv/files/ 把本地目录挂载进容器，否则容器内找不到音频文件。
若常用镜像中未包含的模型，可自行构建派生镜像预载模型，或用 Docker 卷持久化共享模型文件。
README 未列出 Python 最低版本要求，若安装或运行报错请先检查 Python 与 pip 环境。

核心亮点

推理速度比原版 whisper 快数倍，CPU 上也能实用
显存和内存占用明显降低，支持 int8 量化
命令行参数与 OpenAI 官方客户端兼容，迁移成本低

不足之处

依赖 CTranslate2 与模型转换，首次配置比原版稍复杂
部分新模型或新特性跟进可能滞后于官方 whisper

适用场景

本地批量把会议录音转成文字稿
为视频生成 srt/vtt 字幕
在无 GPU 的服务器上做语音转写

替代项目

openai-whisper、faster-whisper

项目介绍

whisper-ctranslate2 是语音识别领域的开源项目，由 Softcatala 开发，2023 年首次发布。

在全站 13,655 个收录项目中，它的 GitHub 星标数（1,357）位列前 30%，在语音识别分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-10-04。开源免费，需自行部署。

它主要面向的使用场景是：本地批量把会议录音转成文字稿。同类可对比的替代方案包括 openai-whisper、faster-whisper。

上一篇：myna

下一篇：没有了！