whisper-ctranslate2

用 CTranslate2 加速 Whisper,本地转写更快更省显存

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 语音识别 🍴 复刻 126 🐛 待处理 12 👀 关注 19
GitHub ↗
GitHub 星标 ★ 1375
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,需自行部署

项目预览

whisper-ctranslate2 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类语音识别
开发团队Softcatala
定价模式🏷️完全免费
价格说明开源免费,需自行部署
访问状态🔧 仅开源项目,无在线服务,需自行部署
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★ 1375
上线时间2023-03-17 00:00:00
代码更新2026-11-12
仓库体积1.3 MB
本站数据更新2026-11-18
维护状态活跃
收录时间2026-10-05
浏览次数4

项目介绍

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。

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

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. 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. 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. 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. 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. 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. 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

上一篇:myna

下一篇:audiotext

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, ···

★ 304 2026-09-15
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···

★ 157 2026-09-15
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···

★ 316 2026-09-24
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

★ 482 2026-11-10
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

★ 693 2026-08-09
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···

★ 2254 2026-09-23
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.···

★ 108 2026-11-19
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···

★ 353 2026-08-09