
whisper-ctranslate2
用 CTranslate2 加速 Whisper,本地转写更快更省显存
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 2026-10-05 · 当前星标 ★ 1375
使用教程
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
同类项目推荐
openasr
开源
一条命令本地跑七种语音模型,转录不出机器
Local-first speech-to-text: no cloud, no telemetry, fail-closed by design. One CLI, ···
whisrs
开源
Linux 桌面语音输入朗读,一句话指挥 LLM
Voice for the Linux desktop: dictation, read-aloud, and voice-driven LLM commands. W···
TextNormalizationCoveringGrammar···
开源
用覆盖文法搞定英文俄文文本规范化,让语音更自然
Covering grammars for English and Russian text normalization
ostt
开源
按热键说话,终端里直接出文字并喂给AI或shell
Open source voice-to-text for the terminal. Record from a hotkey, transcribe with an···
VAD-python
开源
从音频里自动切出人声段,省算力少误识别
Voice Activity Detector in Python
whisper_android
开源
在安卓手机上离线运行 Whisper,实现即时语音转文字
Offline Speech Recognition with OpenAI Whisper and TensorFlow Lite for Android
noScribe
开源
录音拖进去,自动出带说话人标签的文字稿
Cutting edge AI technology for automated audio transcription. A nice GUI for OpenAIs···
murmur
开源
本地把录音一键转成 markdown 文稿,不花钱不上传
Local zero-cost audio→markdown/docx pipeline. Whisper + AI cleanup. Replaces Otter.···
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···