Faster-whisper距离我上次分享已经过去挺长时间了，而且中间也更新了多次了，看到Faster-whisper昨天刚更新了一下，更新内容有模型更新和处理速度大幅提升，更新内容还是挺重要的，我就做了一个最新版本的一键启动包，同时我对整合包功能也做了些修改和优化。
Faster-whisper语音转录工具介绍
faster-whisper是使用CTranslate2对 OpenAI 的 Whisper 模型的重新实现，是 Whisper 的一个优化版本，它是 Transformer 模型的快速推理引擎，用于实现语音识别。此实现比openai/whisper快 4 倍，且精度相同，同时占用的内存更少。在 CPU 和 GPU 上采用 8 位量化，效率可进一步提高。
主要功能
- 语音转录：
- 将语音文件（如 MP3、WAV）转换为文本。
- 支持多语言语音转录。
- 语言检测：
- 自动检测输入音频的语言，无需手动指定语言。
- 分段处理：
- 能够将长音频分成多个片段进行处理，从而提升处理效率和内存利用率。
Faster-whisper特点
- 高效优化：
- 使用 CTranslate2 后端来加速模型推理，显著提升了运行速度。
- 支持 GPU 和 CPU 加速，充分利用硬件资源。
- 轻量化：
- 更小的模型大小和更低的资源需求，适合嵌入式设备或低性能机器。
- 灵活性：
- 允许用户选择不同的模型大小（tiny、base、small、medium、large）以平衡速度和精度。
- 多语言支持：
- 支持 Whisper 所有的多语言模型，适用于不同语言的转录需求。
Faster-whisper更新说明
Faster-whisper最近发布的版本更新内容有如下方面：
1.1.1更新内容
恢复原始 VAD 参数命名
使批量 suppress_tokens 行为与顺序相同
修复 OOM 错误 – VAD 的 RAM 使用率过高
将音频持续时间和 VAD 移除持续时间添加到 BatchedInferencePipeline
修复 neg_threshold
1.1.0新功能
- 新的分批推理速度提高了 4 倍，而且准确度也提高了
- 支持新
large-v3-turbo模型。 - VAD 过滤器现在在 CPU 上的运行速度提高了 3 倍。
- 特征提取速度现在提高了 3 倍。
- 已添加
log_progress到WhisperModel.transcribe打印转录进度。 - 添加了
multilingual转录选项，允许转录多语言音频。请注意，大型模型已经具有代码转换功能，因此这对medium模型或较小的模型最有益。 WhisperModel.detect_language现在可以选择使用 VAD 过滤器，并改进使用language_detection_segments和的语言检测language_detection_threshold。
问题修复
chunk_length在<30 秒时使用正确的特征填充编码器输入seek在输出中使用正确的值
其他变化
- 在 Word、Segment、TranscriptionOptions、TranscriptionInfo 和 VadOptions 中用 dataclass 替换 NamedTuple，这样就可以转换为 json 而无需嵌套。
- 为开发添加了新测试
- 在自述文件中更新了基准
- 在基准中使用 jiwer 而不是评估
- 过滤掉抑制标记中的非语音标记
Faster-whisper整合包使用说明
首先将网盘内的压缩包下载到电脑解压出来，然后运行【启动软件.exe】。软件支持处理mp3,wav,mp4格式音视频。也支持批量处理。可以将需要处理的音视频文件或文件夹鼠标左键按住拖动到软件窗口中。软件会自动识别路径并填充文本编辑框。
选择模型：发音标准，音频干净清晰的话，使用small模型基本就够用了，如果你的音频文件比较复杂可以使用更大的模型，模型越大识别越精准，但是对电脑配置要求也越高。软件包只打包了small模型，如果选择更高模型的话，软件会自动下载模型。模型下载源为国内站点，速度可达四五十兆每秒，速度非常快，如果你下载速度比较慢的话，可以关闭软件重新打开，重新运行下载。
batch size:就是批处理大小，值越大，处理速度越快，但是对电脑配置要求也越高。默认值为4，相对较小。可以根据你电脑显存使用情况适当调高该值。
计算精度：默认float16，int8速度更快，显存消耗也会更少。
翻译工具：国外用户用Google，国内用户用百度，百度翻译api申请教程《最新百度翻译api免费申请AppId和AppSecret流程，每月免费100万字符》
翻译目标语言：想把识别出的文本翻译成什么语言的文本
点击【开始处理】按钮后软件就会开始处理选定的内容，识别结果保存在项目文件夹内的outputs文件夹内。
整合包更新内容：
相对于我分享的上个整合包，本次分享的整合包版本有了多处升级。
1、新增批量处理功能，直接选择文件夹，软件就会处理文件夹内的所有音视频文件。仅是MP4格式视频和音频类型文件，不要有其它类型文件。
2、新增batch size和计算精度选项，对高配电脑更加友好，处理效率更高
3、优化字幕生成算法，启用字级时间戳，生成的字幕更准确更友好。
4、增加对最新模型large-v3-turbo模型的支持
5、其它细节上的一些优化。
注意事项
整合包只支持Windows 10或11
软件运行路径中不要有非英文字符和空格
使用前请先将英伟达显卡驱动更新到最新版本，否则可能会报错
理论支持CPU模式，支持没有英伟达显卡的电脑使用，但是未做测试，有需要的可自行测试。
语音发音不标准、音频不干净等原因可能会导致输出繁体中文，可尝试更换更大的模型
如果选择处理文件夹，文件夹内不要有音频、MP4视频以外的文件类型
语音识别转文字软件faster-whisper一键启动包下载链接
https://pan.quark.cn/s/8083af4f42c2
