基于 CTranslate2 重实现 Whisper 的 Python 语音转写库，通过量化和批处理降低推理耗时与资源占用，适合搭建转写流水线，而非开箱即用的桌面应用。
适合维护字幕或录音转写流水线的开发者 · 已有NVIDIA显卡、显存预算有限的用户 · 不愿将内部录音交给云端处理的团队
亮点
量化压低显存门槛
官方大模型测试中，INT8 将显存从原版约4.7GB降至2.9GB，转写也更快。
批处理换取高吞吐
官方3070 Ti测试中，13分钟音频批处理仅需16秒，但会增加显存占用。
无需单装解码工具
音频由内含FFmpeg库的PyAV解码，较原版少一道系统依赖配置。
取舍
选它的理由
- 无需购买独立显卡也能用CPU转写
- 已有Python流程可直接接入转写
- 音频可在自有机器处理，无需上传云端
- MIT许可便于集成到自有项目
先想清楚
- 只想拖入音频就导出字幕，不愿配置Python
- 希望直接获得实时听写、说话人分离或API服务
- 主要依赖非NVIDIA显卡加速
- 本体是代码库，没有开箱即用的图形界面
同类推荐
查看全部更多「音视频工具」软件
MediaInfoKeeper
音视频工具开源MediaInfoKeeper 是面向 Emby 服务端的第三方插件，主打 STRM 直链播放，通过单个 DLL 部署，并按 Emby 版本区间限制自动更新。
Pireel Studio
音视频工具开源Pireel Studio 是面向口播、长视频拆条和产品演示的开源网页视频编辑器，特色是让对话指令与手动时间线编辑共用项目状态，并在一个项目里维护多个成片版本。
Buzz
音视频工具开源Buzz 是将音视频和麦克风语音转成文字与字幕的桌面应用，特色是可离线运行多种识别模型，并结合显卡加速、说话人识别和回放工具完成转录校对。
宇宙无敌表达训练系统
音视频工具开源一款面向口语练习的桌面工具，用离线语音识别和词库标记口头禅、犹豫词与笼统表达，并可接入云端或本地AI生成改进报告。
FFmpegFreeUI
音视频工具开源FFmpegFreeUI 是面向 Windows 进阶用户的 FFmpeg 图形外壳，将可视化设置、自由参数和批量任务结合，适合想摆脱重复命令、又不愿牺牲编码控制权的人。
下蛋
音视频工具开源下蛋是面向 Windows 与 macOS 的本地优先媒体资源库，将网页视频下载、嗅探、转码和播放串在一起，还能直接浏览 YouTube、音乐与 RSS 并保存媒体。
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。