Whisper

基于 Python · 开源免费，本地部署，数据完全自主可控

⭐ 72.0k Stars 💻 Python 📄 MIT 🏷 AI 9.4分

9.4AI 综合评分

字幕语音识别转录AIPython多语言

🌐 访问官网

✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，Whisper 获评「强烈推荐」。在 GitHub 上收获超过 72.0k 颗 Star，这款AI工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 9.4 分，适合有一定技术背景的用户使用。

📚 深度解析

OpenAI Whisper 是目前开源语音识别（Automatic Speech Recognition，ASR）领域公认的标杆级工具。它通过在 68 万小时的多语言音频数据上进行大规模弱监督训练，实现了接近商业级的识别精度，能够处理包括中文、英文、日文、法文、西班牙文在内的 99 种语言。Whisper 不仅支持语音转文字，还内置语言自动检测和语音翻译为英文的功能，是构建语音处理工作流的核心组件。

**模型选型指南**
Whisper 提供六种规格的预训练模型，选型时需要平衡精度、速度和显存需求：
- tiny / base：参数量小（39M/74M），速度极快，适合实时转录或低配设备，中文精度较低
- small（244M）：速度与精度的入门平衡点，适合普通话识别
- medium（769M）：**大多数用户的推荐选择**，在 CPU 上也能接受，中文识别准确率高
- large-v3（1550M）：目前最高精度版本，需要 10GB 以上 GPU 显存，适合字幕制作等高精度场景

**中文语音识别实践**
Whisper 对普通话的识别效果出色，large-v3 模型在标准普通话上的字错率（CER）可以控制在 5% 以内。使用时建议加上 --language zh 参数明确指定语言，避免模型在语言检测阶段浪费时间。输出格式支持 txt、srt（字幕文件）、vtt、tsv、json 等多种格式，--output-format srt 可以直接生成字幕文件。

**Whisper vs faster-whisper**
原版 Whisper 是基于 PyTorch 的实现，速度相对较慢。faster-whisper 是基于 CTranslate2 重写的优化版本，在相同精度下推理速度提升 4-8 倍，显存占用降低约 50%。对于追求速度的生产环境，**AI Skill Hub 推荐优先考虑 faster-whisper**。此外，WhisperX 支持词级时间戳对齐，适合需要精确字幕定位的场景。

**典型工作流**
字幕制作：video.mp4 → whisper → output.srt → 视频剪辑软件导入。结合 auto-subtitle 工具可以将上述流程压缩为一条命令，自动完成"音频提取→转录→字幕烧录"全流程。会议记录场景：将录音文件批量放入目录，通过脚本调用 Whisper API 批处理，输出 txt 格式，再由 GPT/Claude 进行整理和摘要。

**注意事项**
Whisper 是批处理工具，不支持低延迟实时识别。如需实时字幕（<500ms 延迟），应考虑 OpenAI Realtime API 或 RealtimeSTT 等专门解决方案。

📋 工具概览

OpenAI 开源语音识别模型，自动生成视频字幕和转录文本，支持中英多语言

Whisper 是一款基于 Python 开发的开源工具，专注于字幕、语音识别、转录等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

GitHub Stars

⭐ 72.0k

开发语言

Python

支持平台

Windows / macOS / Linux

维护状态

活跃维护，更新频繁

开源协议

MIT

AI 综合评分

9.4 分

工具类型

AI工具

Forks

—

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

OpenAI 开源语音识别模型，自动生成视频字幕和转录文本，支持中英多语言

📌 核心特色

开源免费，支持本地部署，数据完全自主可控
活跃的 GitHub 开源社区，持续迭代更新
提供详细文档和使用示例，新手友好
支持自定义配置，灵活适配不同使用环境
可作为基础组件集成进现有技术栈或进行二次开发

🎯 主要使用场景

本地部署运行，保护数据隐私，满足合规要求
自定义集成到现有系统，扩展技术栈能力
作为开源基础组件进行商业化二次开发

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：pip 安装（推荐）
pip install whisper

# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install whisper

# 方式三：从源码安装（获取最新功能）
git clone https://github.com/openai/whisper
cd whisper
pip install -e .

# 验证安装
python -c "import whisper; print('安装成功')"

📋 安装步骤说明

访问 GitHub 仓库页面
按照 README 文档完成依赖安装
根据系统环境完成初始化配置
参考官方示例或文档开始使用
遇到问题可在 GitHub Issues 中查找解答

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 基本转录（自动检测语言）
whisper audio.mp3

# 指定中文，输出 SRT 字幕
whisper video.mp4 --language Chinese --task transcribe --output_format srt

# 使用 large 模型提升准确率
whisper audio.mp3 --model large

# 翻译为英文字幕
whisper audio.mp3 --task translate --output_format srt

# 批量转录目录下所有音频
whisper *.mp3 --language Chinese --output_format srt

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# whisper 配置文件示例（config.yml）
app:
  name: "whisper"
  debug: false
  log_level: "INFO"

# 运行时指定配置文件
whisper --config config.yml

# 或通过环境变量配置
export WHISPER_API_KEY="your-key"
export WHISPER_OUTPUT_DIR="./output"

⚡ 核心功能