docker-whisperX — AI 语音识别工具中文文档
经 AI Skill Hub 精选评估，docker-whisperX — AI 语音识别工具中文文档 获评「强烈推荐」。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 8.1 分，适合有一定技术背景的用户使用。
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
docker-whisperX — AI 语音识别工具中文文档 依赖 Dockerfile 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Dockerfile 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 docker-whisperX — AI 语音识别工具中文文档 的版本更新，及时通知重要功能变化。
docker-whisperX — AI 语音识别工具中文文档 是一款基于 Dockerfile 开发的开源工具，专注于 asr、docker-image、dockerfile 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。
docker-whisperX — AI 语音识别工具中文文档 是一款基于 Dockerfile 开发的开源工具，专注于 asr、docker-image、dockerfile 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。
- 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
- 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
# 克隆仓库 git clone https://github.com/jim60105/docker-whisperX cd docker-whisperX # 查看安装说明 cat README.md # 按 README 完成环境依赖安装后即可使用
- 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
# 查看帮助 docker-whisperx --help # 基本运行 docker-whisperx [options] <input> # 详细使用说明请查阅文档 # https://github.com/jim60105/docker-whisperX
# docker-whisperx 配置说明 # 查看配置选项 docker-whisperx --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export DOCKER_WHISPERX_CONFIG="/path/to/config.yml"
docker-whisperX
This is the docker image for WhisperX: Automatic Speech Recognition with Word-Level Timestamps (and Speaker Diarization) from the community.
The objective of this project is to efficiently manage the continuous integration docker build workflow on the GitHub Free runner on a weekly basis. Which includes building 175 Docker images in parallel, each with a size of 10GB. To ensure smooth operation, I have concentrated on utilizing docker layer caches efficiently, maximizing layer reuse, carefully managing cache read/write order to prevent any issues, and optimizing to minimize image size and build time.
Additionally, for my personal preference, I am dedicated to following best practices, industry standards and policies to the best of my ability.
Get the Dockerfile at GitHub, or pull the image from ghcr.io.
🚀 Get your Docker ready for GPU support
🛠️ Building the Docker Image
[!IMPORTANT] Clone the Git repository recursively to include submodules: git clone --recursive https://github.com/jim60105/docker-whisperX.git
Build Arguments
The Dockerfile builds the image contained models. It accepts two build arguments: LANG and WHISPER_MODEL.
LANG: The language to transcribe. The default isen. See supported languages in load_align_model.py.WHISPER_MODEL: The model name. The default isbase. See fast-whisper for supported models.
In case of multiple language alignments needed, use space separated list of languages "LANG=pl fr en" when building the image. Also note that WhisperX is not doing well to handle multiple languages within the same audio file. Even if you do not provide the language parameter, it will still recognize the language (or fallback to en) and use it for choosing the alignment model. Alignment models are language specific. This instruction is simply for embedding multiple alignment models into a docker image.
Build Command
For example, if you want to build the image with en language and large-v3 model:
docker build --build-arg LANG=en --build-arg WHISPER_MODEL=large-v3 -t whisperx:large-v3-en .If you want to build the image without any pre-downloaded models:
docker build --target no_model -t whisperx:no_model .If you want to build all images at once, we have a Docker bake file available:
docker buildx bake build no_modelUsage Command
Mount the current directory as /app and run WhisperX with additional input arguments:
docker run --gpus all -it -v ".:/app" whisperx:large-v3-ja -- --output_format srt audio.mp3[!NOTE] Remember to prepend--before the arguments.--modeland--languageargs are defined in Dockerfile, no need to specify.
- 构建企业知识库 / RAG 检索应用的团队
- 做语音类 AI 产品的开发者
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- Docker：docker-whisperX 提供官方镜像，docker compose up 一键启动
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
- 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
- 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
- +MIT 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
AI Skill Hub 点评：docker-whisperX — AI 语音识别工具中文文档 的核心功能完整，质量优秀。对于AI 技术爱好者来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | docker-whisperX |
| 原始描述 | Dockerfile for WhisperX: Automatic Speech Recognition with Word-Level Timestamps and Speaker Diarization (Dockerfile, CI image build and test) |
| Topics | asrdocker-imagedockerfilespeechspeech-recognitionspeech-to-textstt |
| GitHub | https://github.com/jim60105/docker-whisperX |
| License | MIT |
| 语言 | Dockerfile |
收录时间：2026-05-22 · 更新时间：2026-05-22 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。