faster-whisper-large-v3

faster-whisper-large-v3

把音频文件里的语音转成带时间戳的文字，是为 CTranslate2 和 faster-whisper 转换的 OpenAI Whisper large-v3。适合在自己机器上转写多语言录音的开发者。

由 Systran 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个仓库存放 OpenAI 的 Whisper large-v3 语音识别模型，已转换为 CTranslate2 格式。你可以在 CTranslate2 或基于它的项目（例如 faster-whisper）里使用它。它把音频转写成文字，并给每个片段标出开始和结束时间。

适合谁：想在本地转写音频、并且能运行 Python 脚本的开发者、创作者和研究人员。

Industry | Who uses it | How they use it | Example
媒体 | 播客作者和视频剪辑师 | 把录音转写成文字 | 把一段采访变成字幕
研究 | 访谈人员和分析师 | 把口述材料转成可搜索的文字 | 转写实地录音
软件 | 开发者 | 给应用加上语音转文字 | 围绕 faster-whisper 做一个转写功能

如果你只想要不用设置的托管转写服务，可以跳过它。

用在哪里：

• 你自己的电脑，用 Python 在 Windows、macOS 或 Linux 上运行
• CTranslate2，这种格式所面向的运行环境
• faster-whisper，模型卡点名的项目

Use case | Who | What they get back
转写 | 创作者 | 每个音频片段的文字
字幕 | 视频剪辑师 | 片段的开始、结束时间和文字
多语言音频 | 研究人员 | 多种语言的转写稿

如何设置：

• 带 pip 的 Python
• faster-whisper 包，它提供 WhisperModel
• 一个音频文件，例如 mp3

1. 安装 Hugging Face hub 工具。
2. 下载模型文件，或者让 faster-whisper 按名字自动获取。
3. 运行下面的转写脚本。

pip install -U huggingface_hub
hf download Systran/faster-whisper-large-v3

如何使用：用 large-v3 这个名字加载 WhisperModel，对音频文件调用 transcribe，然后遍历各个片段，打印每一段及其时间。

from faster_whisper import WhisperModel

model = WhisperModel("large-v3")

segments, info = model.transcribe("audio.mp3")
for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

示例：你对名为 audio.mp3 的文件运行这个脚本。它为每个片段打印一行，包含开始时间、结束时间和说出的文字。

新手与专家：如果你是新手，先用一小段音频运行脚本。第一次运行需要模型文件，它们体积很大。

如果你是专家，转换使用的是 ct2-transformers-converter，量化方式为 float16，并复制了分词器和预处理配置。权重以 FP16 保存，加载时可以通过 CTranslate2 的 compute_type 选项改变它。

OpenAI Whisper large-v3 是来源
ct2-transformers-converter 做转换
CTranslate2 或 faster-whisper 加载它
你得到带时间戳的文字

注意事项：模型卡给出了它使用的转换命令。

ct2-transformers-converter --model openai/whisper-large-v3 --output_dir faster-whisper-large-v3 \
    --copy_files tokenizer.json preprocessor_config.json --quantization float16

• License: MIT，与 Hugging Face 记录一致。
• Cost to run: 没有提到 API 密钥或账号。你需要一台能运行这个模型的电脑。
• Data it reaches: 它读取你给它的音频文件。下载会访问 Hugging Face。
• Not for: 模型卡让你去看原版 Whisper large-v3 的模型卡，了解模型本身的详情。

Hugging Face 上的数据（2026年11月13日）

• 任务：automatic speech recognition
• 框架：ctranslate2
• 最近 30 天下载：1,660,044
• 点赞：714
• 许可证：mit
• 语言：en, zh, de, es, ru, ko, fr, ja
• Fine-tunes: 1
• 标签：ctranslate2, audio, automatic-speech-recognition

链接

• 模型：https://huggingface.co/Systran/faster-whisper-large-v3
• 文件：https://huggingface.co/Systran/faster-whisper-large-v3/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Systran/faster-whisper-large-v3

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。