Faster Whisper v1.7 本地语音转录与字幕生成教程（含 AMD 支持）

特点：

• 已内置 ROCm/HIP 运行时
• 无需单独安装 ROCm
• 命令行仍使用 --device=cuda

基础版如何下载模型

基础版不带 Whisper 模型，需要自行下载。

示例模型：

https://huggingface.co/chickenrice0721/whisper-large-v2-translate-zh-v0.2-st

下载后放入：

faster_whisper_transwithai_chickenrice/
└── models/
    └── 模型文件夹/

快速开始

解压后可直接使用批处理文件。

GPU 模式

拖动音视频文件到：

运行 (GPU).bat 

低显存模式（4GB 显存）

运行 (GPU,低显存模式).bat 

CPU 模式

运行 (CPU).bat 

批处理模式（提升速度）

v1.4 之后支持批处理推理：

优点：

• 多片段并行
• 大幅提升速度
• 自动检测批次大小

缺点：

• 极少数场景精度略降

适用场景：

• 噪声较多
• 多说话人
• 长音频文件

v1.7 更新重点

• AMD GPU 支持（RDNA1–4）
• 多架构打包
• ROCm 运行时内置
• 改进自动设备检测
• 支持 --device=amd

常见问题

Q1：RTX 4090 用哪个版本？

CUDA 12.2 或 12.8，取决于驱动版本。

Q2：显存不足怎么办？

• 使用低显存模式
• 启用批处理
• 切换 CPU 模式
• 使用 Modal 云端推理

Q3：基础版和优化版选哪个？

• 追求开箱即用 → 优化版
• 自定义模型 → 基础版

文件校验（SHA256）

建议下载后进行校验，确保文件完整。

示例：

60fd157293d7d5033dab3c013ce3d4a083d1af6460157f1303a622f4f931715f 

可使用：

certutil -hashfile 文件名 SHA256 

总结

v1.7 这一版的核心价值在于：

• 真正补齐了 AMD 显卡支持
• RTX 50 系列适配到位
• 批处理逻辑成熟
• 云端推理完善

如果你做：

• 日语视频翻译
• 会议转录
• 字幕批量生成
• 本地离线语音识别

这一套属于当前比较成熟的 Windows 本地解决方案。