Distil-Whisper 是 OpenAI Whisper 的蒸馏版本，专为英语语音识别设计。相比原版，其推理速度提升 6 倍，模型体积减少约 50%，词错误率（WER）增加不超过 1%。支持短格式和长格式音频转录，提供顺序与分块两种长音频处理方案。兼容多种部署环境如 Transformers、Whisper cpp 等，采用 MIT 许可证，可自由商用。适用于会议记录、播客索引及教育字幕生成等场景。
Distil-Whisper 是基于 OpenAI Whisper 的蒸馏版本，在保持原模型 99% 准确度的同时，将推理速度提升了 6 倍，模型大小减少了 49%。
Distil-Whisper 是一个专门为英语语音识别设计的蒸馏模型。它继承了 Whisper 的核心优势，通过精密的蒸馏技术，实现了性能与效率的完美平衡。
首先安装必要的依赖库：
pip install --upgrade transformers accelerate datasets[audio]
处理 30 秒以内的音频文件非常简单：
from transformers import pipeline
pipe = pipeline(
"automatic-speech-recognition",
model="distil-whisper/distil-large-v3",
max_new_tokens=128,
)
result = pipe("your_audio.mp3")
print(result["text"])
对于超过 30 秒的长音频，Distil-Whisper 提供两种处理方式：
Distil-Whisper 在多项基准测试中都展现出了卓越的性能。在保持与原版 Whisper 几乎相同准确度的同时，推理速度得到了质的飞跃。
无论是在安静的会议室还是嘈杂的街头，Distil-Whisper 都能稳定输出高质量的转录结果。
支持多种推理库和部署环境：
Distil-Whisper 可以作为 Whisper 的助手模型，通过推测解码技术实现 2 倍加速，同时数学上保证输出结果完全相同。
使用 Distil-Whisper 可以轻松实现会议内容的自动转录，大大节省人工整理时间。
为长格式播客节目创建可搜索的文字索引，提升用户体验。
为在线课程和讲座视频生成准确的字幕，让学习更加便捷。
根据官方测试结果，Distil-Whisper 在各个维度都表现优异：
| 指标 | Whisper | Distil-Whisper | 提升幅度 |
|---|---|---|---|
| 推理速度 | 1.0x | 6.3x | +530% |
| 模型大小 | 1550M | 756M | -51% |
| 短格式 WER | 8.4% | 9.7% | +1.3% |
Distil-Whisper 采用 MIT 许可证，这意味着你可以：
Distil-Whisper 的蒸馏过程非常巧妙：
Distil-Whisper 为语音识别领域带来了革命性的突破。它成功地在性能与效率之间找到了完美的平衡点，让开发者能够在有限的资源下享受到顶级的语音识别体验。
提示：对于资源受限的应用场景，推荐使用 distil-small.en 模型，它仅有 1.66 亿参数，在保持高性能的同时大大降低了部署门槛。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online