Insanely Fast Whisper：开源社区让音频转录速度提升19倍

一个名为Insanely Fast Whisper的工具，将OpenAI Whisper的转录速度提升了19倍。原本需要31分钟处理的2.5小时音频，现在仅需98秒就能完成。

这个工具不是简单的包装器或网页应用，而是一个命令行工具，直接利用本地GPU进行加速。无需API密钥，不依赖云端服务，完全开源。

技术核心：Flash Attention 2带来的质变

Insanely Fast Whisper采用Flash Attention 2技术，在保持模型权重与标准Whisper完全相同的前提下，实现了零质量损失的速度飞跃。这意味着用户可以获得与原始Whisper相同的准确度，但处理时间大幅缩短。

性能对比（Nvidia A100 - 80GB）：

• 标准Whisper large-v3：31分钟处理2.5小时音频
• 优化后large-v3：1分38秒
• Distil-Whisper large-v2：1分18秒

不只是快

除了速度优势，该工具还集成了多项实用功能：

• 多语言支持：自动检测数十种语言，或通过单一标志直接翻译成英语
• 说话人分离：内置说话人识别功能，能区分不同说话者的内容
• 精确时间戳：提供词级和片段级时间戳，便于精确定位音频内容
• 跨平台兼容：支持NVIDIA GPU和Apple Silicon Mac，无需修改代码
• 免费运行：即使没有GPU，也能在Google Colab免费层使用

安装使用

pipx install insanely-fast-whisper
insanely-fast-whisper --file-name <音频文件路径或URL>

对于临时用户，还支持免安装运行：

pipx run insanely-fast-whisper

小结

有意思的是，这个项目最初只是Hugging Face Transformers的一个基准测试demo。社区成员发现它能解决实际问题后，开发者顺势而为，逐步添加了用户真正需要的功能，最终形成了一个完整的命令行工具，并衍生出多个社区项目，包括Web应用和Python包封装。对于需要处理大量音频的用户来说，Insanely Fast Whisper很值得一看。

地址：https://github.com/Vaibhavs10/insanely-fast-whisper