Windows 环境下 faster-whisper 部署：CUDA 加速与 PyAV 依赖配置

2.3 环境变量配置

1. 打开系统属性→高级→环境变量

确保以下路径已添加到系统 PATH：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\extras\CUPTI\lib64

三、PyAV 依赖解决：Windows 免编译安装

3.1 问题分析

faster-whisper 使用 PyAV 替代系统 FFmpeg，但 Windows 下直接 pip install av 会触发编译错误。原因是：

• Windows 缺乏 GCC 编译环境
• PyAV 需要链接 FFmpeg 静态库

3.2 解决方案：预编译包安装

安装 PyAV：

pip install PyAV-12.1.0-cp310-cp310-win_amd64.whl

下载对应 Python 版本的 PyAV wheel 文件：

# 创建依赖目录
mkdir -p D:\faster-whisper\deps && cd D:\faster-whisper\deps
# 下载预编译包（以 Python 3.10 为例）
Invoke-WebRequest -Uri "https://download.lfd.uci.edu/pythonlibs/w6hxc6ad/PyAV-12.1.0-cp310-cp310-win_amd64.whl" -OutFile "PyAV-12.1.0-cp310-cp310-win_amd64.whl"

预编译包下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyav 选择对应 Python 版本（cp310=3.10）和系统架构（win_amd64）

四、faster-whisper 安装与验证

4.1 安装命令

# 创建虚拟环境
python -m venv venv
venv\Scripts\activate
# 安装核心依赖
pip install --upgrade pip
pip install faster-whisper==1.0.3 ctranslate2==4.0.0
# 验证安装
python -c "from faster_whisper import WhisperModel; print('安装成功')"

4.2 模型下载

faster-whisper 支持自动下载模型，但建议手动下载提速：

# 创建模型目录
mkdir -p D:\faster-whisper\models
# 下载 base 模型（439MB）
Invoke-WebRequest -Uri "https://huggingface.co/Systran/faster-whisper-base/resolve/main/model.bin" -OutFile "D:\faster-whisper\models\model.bin"

支持的模型列表：

• tiny (1GB)
• base (1GB)
• small (2GB)
• medium (5GB)
• large-v2 (13GB)

五、实战应用：命令行与 Python API

5.1 命令行使用

# 基础转写
faster-whisper transcribe --model base --language zh --output_format txt audio.wav
# 批量处理
for %f in (*.wav) do faster-whisper transcribe --model base "%f"

5.2 Python API 示例

from faster_whisper import WhisperModel

# 加载模型（GPU 模式）
model = WhisperModel(
    "base",
    device="cuda",
    compute_type="float16",
    model_dir="D:\\faster-whisper\\models"
)

# 语音转写
segments, info = model.transcribe(
    "audio.wav",
    language="zh",
    beam_size=5,
    vad_filter=True
)

# 输出结果
print(f"检测到语言：{info.language} (置信度：{info.language_probability:.2f})")
for segment in segments:
    print(f"[{segment.start:.2f}s -> {segment.end:.2f}s] {segment.text}")

5.3 性能对比

六、常见问题解决方案

6.1 CUDA 相关错误

• 解决方案：降低 batch_size 或使用更小模型
• 解决方案：检查 cuDNN 文件是否复制到 CUDA 目录

"cuDNN not found"

dir "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin\cudnn*"

"CUDA out of memory"

# 修改 batch_size
segments, info = model.transcribe("audio.wav", batch_size=8)

6.2 PyAV 相关错误

• 解决方案：安装 Microsoft Visual C++ 运行库
• 解决方案：转换音频格式为 WAV

"Could not find audio stream"

# 使用 ffmpeg 转换（需单独安装 ffmpeg）
ffmpeg -i input.mp3 -ac 1 -ar 16000 output.wav

"ImportError: DLL load failed"

winget install --id Microsoft.VC++2015-2022Redist-x64

七、高级优化：性能调优指南

7.1 计算类型选择

# 根据 GPU 选择计算类型
model = WhisperModel("base", device="cuda", compute_type="float16") # RTX 20 系以上
model = WhisperModel("base", device="cuda", compute_type="int8_float16") # 低端 GPU

7.2 批量处理优化

from faster_whisper import WhisperModel
import os

model = WhisperModel("small", device="cuda", compute_type="float16")
audio_dir = "D:\\audio_files"
output_dir = "D:\\transcriptions"
os.makedirs(output_dir, exist_ok=True)

# 批量处理所有 WAV 文件
for filename in os.listdir(audio_dir):
    if filename.endswith(".wav"):
        audio_path = os.path.join(audio_dir, filename)
        output_path = os.path.join(output_dir, f"{os.path.splitext(filename)[0]}.txt")
        segments, _ = model.transcribe(audio_path, language="zh")
        with open(output_path, "w", encoding="utf-8") as f:
            for segment in segments:
                f.write(f"[{segment.start:.2f}s -> {segment.end:.2f}s] {segment.text}\n")

八、总结与后续学习

8.1 本文要点回顾

1. Windows 环境下 CUDA 12 的正确配置方法
2. PyAV 依赖免编译安装解决方案
3. faster-whisper 的基础使用与性能优化
4. 常见错误的诊断与修复

8.2 进阶学习路线

1. 模型量化：使用 int8 量化进一步降低内存占用
2. 多线程处理：实现并行语音转写
3. Web 服务部署：结合 FastAPI 构建语音转写 API
4. 自定义模型训练：微调模型适应特定领域

8.3 资源推荐

• 官方文档：https://github.com/SYSTRAN/faster-whisper
• 模型仓库：https://huggingface.co/Systran
• 社区支持：Discord 群组#faster-whisper 频道

附录：常用命令速查