Faster-Whisper 实时语音转文本本地部署教程

前言

要想实现像豆包、微信等一样的语音输入功能，通常有两种主流方案：云端 API（轻量、准确度极高）和 本地模型（免费、隐私、无需联网）。由于目前开发的系统需要添加一个语音识别功能，刚好记录一下使用 Faster-Whisper 实时语音输入转文本。

电脑有显卡的话可以参考官方文档安装 cuda 和 cudnn。

一、安装环境

在你的虚拟环境安装 faster-whisper，命令如下：

pip install faster-whisper

安装录音库

pip install pyaudio

二、使用步骤

1.下载模型

手动下载（离线使用） 如果你的服务器无法联网，或者你想把模型放在指定文件夹，可以手动下载。根据需求点击链接下载：

• Tiny (最小/最快): Systran/faster-whisper-tiny
• Base: Systran/faster-whisper-base
• Small: Systran/faster-whisper-small
• Medium: Systran/faster-whisper-medium
• Large-v2: Systran/faster-whisper-large-v2
• Large-v3 (效果最好): Systran/faster-whisper-large-v3
• Distil-Large-v3 (蒸馏版/速度快): Systran/faster-distil-whisper-large-v3

在 Hugging Face 的'Files and versions'页面中，下载以下几个关键文件（放入同一个文件夹）：

• config.json
• model.bin
• tokenizer.json
• vocabulary.json
• preprocessor_config.json

把下载的模型文件放到一个文件夹内。

2.实时录音转文本脚本

代码如下：

# -*- coding: utf-8 -*-
import os
import sys
import time
 wave
 tempfile
 threading
 torch
 pyaudio
 faster_whisper  WhisperModel


AUDIO_BUFFER = 

 ():
    
     tempfile.NamedTemporaryFile(suffix=, delete=)  f:
        filename = f.name
        wave_file = wave.(filename, )
        wave_file.setnchannels((device[]))
        wave_file.setsampwidth(p.get_sample_size(pyaudio.paInt16))
        wave_file.setframerate((device[]))

     ():
        
        wave_file.writeframes(in_data)
         (in_data, pyaudio.paContinue)

    :
        stream = p.(=pyaudio.paInt16, channels=(device[]), rate=(device[]), frames_per_buffer=,
                        =, input_device_index=device[], stream_callback=callback,)
        time.sleep(AUDIO_BUFFER)  
     Exception  e:
        ()
    :
           ():
            stream.stop_stream()
            stream.close()
        wave_file.close()
     filename

 ():
    
    :
        
        segments, info = model.transcribe(
            filename, beam_size=, language=, vad_filter=, vad_parameters=(min_silence_duration_ms=))
         segment  segments:
            ( % (segment.start, segment.end, segment.text))
     Exception  e:
        ()
    :
        
         os.path.exists(filename):
            os.remove(filename)

 ():
    ()
    
     torch.cuda.is_available():
        device = 
        compute_type =   
        ()
    :
        device = 
        compute_type =   
        ()

    
    model_path = 
    :
        model = WhisperModel(model_path, device=device, compute_type=compute_type, local_files_only=)
        ()
     Exception  e:
        ()
        

     pyaudio.PyAudio()  p:
        :
            default_mic = p.get_default_input_device_info()
            ()
            ()
            ( * )
            ()
             :
                filename = record_audio(p, default_mic)
                thread = threading.Thread(target=whisper_audio, args=(filename, model))
                thread.start()
         OSError:
            ()
         KeyboardInterrupt:
            ()
         Exception  e:
            ()

 __name__ == :
    main()