基于CTranslate2的Whisper语音识别项目，推理速度可达原版4倍，精度不变，支持int8量化与批处理。
适合需要批量转写海量音频的开发者 · 构建离线语音识别应用的团队 · 追求性价比的个人用户
亮点
4倍推理加速
利用CTranslate2引擎，在GPU和CPU上均比openai/whisper快数倍，13分钟音频仅需17秒
8-bit量化省一半显存
支持int8量化，在保持精度的同时将VRAM占用降低30%以上，小显存显卡也能跑大模型
内置VAD语音活性检测
无需额外工具即可跳过静音段，大幅节省转录时间，尤其适合长会议录音
取舍
选它的理由
- 无需安装FFmpeg，PyAV已内置解码器
- CPU上int8量化后速度与内存表现均衡
- Python API简洁，几行代码即可集成
- 支持多线程与批处理，吞吐极高
先想清楚
- 需要开箱即用的图形化字幕工具
- 环境无法安装特定NVIDIA驱动
- GPU版对CUDA/cuDNN版本有严格限制
- 仅有命令行接口，无图形界面
同类推荐
查看全部更多「音视频工具」软件
LinguaGacha
音视频工具开源基于AI大模型的次世代文本翻译器，支持16种语言互译，一键翻译小说、游戏文本、字幕等，开箱即用，专为游戏汉化与字幕翻译优化。
Stash
音视频工具开源Stash 是一款自托管的成人内容媒体库管理器，可将你的本地视频和图片整理成私人 PornHub 式的站点，支持流媒体播放、标签组织和元数据刮削。
Buzz
音视频工具开源一款基于OpenAI Whisper的离线语音转文字与翻译桌面应用，支持多引擎、GPU加速和说话人识别，可导出SRT/VTT字幕。
宇宙无敌表达训练系统
音视频工具开源一个实时语音识别与表达精准度训练工具，通过离线词库与可选AI分析，标记口头禅、犹豫词和笼统表达，并提供具体改进建议。
FFmpegFreeUI
音视频工具开源FFmpegFreeUI（3FUI）是Windows上专为进阶编码人员设计的FFmpeg专业交互外壳，提供了全自由参数转码、批量处理与可扩展平台，所有生产力功能免费。
Carrot Waxxer's Stash Plugins
音视频工具开源为 Stash 开源媒体管理器提供 NFO 元数据生成、文件整理、表演者图片搜索、标签同步、缺失场景发现及工作室层级管理等扩展功能的插件集合。
软鉴 SoftMemo
AI 整理的软件知识库
AI 整理软件资料、版本动态、更新通知、订阅权益与对比分析，沉淀可复用的工具知识。