faster

whisper开源之后，很多相关的衍生产品也开源了，比如faster-whisper，它是一个比whisper转录更快的技术实现，转录速度是whisper的4倍，并且占用的显存更少，占用显存是whisper的1/2。而我们这次要讲的是faster-whisper-webui是内置了VAD的支持，可以很精准的定位到每一句话的开始和结束，对于转录长音视频很有意义，可以防止转录长音视频出现幻听的情况。

faster-whisper-webui顾名思义是faster-whisper的web网页版本，当然它不单有网页版本，也可以通过像whisper的命令行方式启动，最关键的是项目内部已经整合了VAD(VAD是一种音频活动检测的算法，简单来说可以准确的把音频中的每一句话分离开来，这很好的解决了whisper在转录长音频时出现幻听的问题)，如果想要了解VAD算法可以点击这里。在faster-whisper-webui中还提供了API接口的方式，我们可以通过任何编程语言调用faster-whisper-webui提供的接口。

该项目原始地址是aadnk/whisper-webui。

这里推荐的使用python版本是3.8~3.11，如果你使用的python版本过低或太高，安装以些依赖会发生错误。具体如何升级python版本，大家可以去我的博客中阅读，这里我也给了链接。

先要在项目路径下创建models目录。

模型里的目录结构如下所示：

faster-whisper-webui的项目是基于faster-whisper的，所以我们需要去下载faster-whisper模型，点击这里跳转到模型下载处。

这里我以下载large-v2模型为例。

--model：指定使用的模型，可选的模型有：tiny、base、small、medium、large、large-v2

--vad：指定使用的vad类型，常见的vad类型有：silero-vad、silero-vad-skip-gaps、silero-vad-expand-into-gaps、periodic-vad

--language：指定音频中使用的语言

我们还可以指定其它的参数，例如：

如果你有多张显卡，那么你可以使用--vad_parallel_devices来指定，例如：指定使用两张显卡--vad_parallel_devices 0,1。

你也可以使用这个参数--auto_parallel True会自动根据你有多少张显卡，CPU是多少核心的来自动分配（最多支持8个）。

转录之后的结果有三种格式：SRT/VTT/Transcript。

有两种实现可以切换，一种是whisper，还有一种是faster-whisper。这里推荐使用faster-whisper，因为速度更快，faster-whisper速度是whisper的4倍，并且占用显存要比whisper少2倍。

如果我们想要用faster-whisper，那么我们需要执行下面的命令来安装faster-whisper依赖。

如果我们想要使用whisper，那么我们需要执行下面的命令来安装whisper依赖。

我们如何切换呢？很简单添加参数即可。

当然如果我们嫌弃这种方式太麻烦了，每次启动都要写这么多参数。那么你可以在配置文件中写。找到配置文件config.json5，然后添加你要使用的实现方式即可。

具体可以参考这篇文章。

[1] faster-whisper-webui文档

[2] 更换pip源

[3] CentOS安装Whisper

[4] VAD算法详解