跳到主要内容

faster-whisper

本地离线 · 数据不出本机
官网
faster-whisper（GitHub）
凭据
无需凭据
免费额度
完全免费
计费方式
本地运行，无费用
推荐场景
追求速度与精度的用户；NVIDIA 显卡可用 GPU 运行时

基于 CTranslate2 的 whisper 实现，同级模型下速度通常快于原版。运行时与模型都在应用内按需下载，无需自己折腾 Python 环境。

在妙幕中配置​

「引擎」页面选中「faster-whisper」：

  1. 安装运行时：首次使用点安装，应用会下载一个自包含运行时（独立于系统 Python）
  2. 选择计算设备：CPU 或 GPU（NVIDIA CUDA）。两种运行时可以共存——切换不再重复下载，旧运行时本地驻留，切回秒级完成、可离线；卸载引擎时一并清理
  3. 下载模型：模型按需从 HuggingFace / 镜像源下载（tiny 到 large-v3 与蒸馏版），也可手动导入

完成后在任务向导「语音模型」中选择 faster-whisper 的模型即可。

可靠性​

  • 模型加载前自动校验完整性，残缺文件不再导致莫名转写失败，会提示重新下载
  • 与内置引擎一样支持词级时间戳，配合「每条字幕最大字数」按词重新成句
  • 「文字最准」使用更敏感的语音检测（阈值 0.35、最短语音 100 毫秒），优先保留短词和轻声；选择模式即可生效。任务中显式设置的 VAD 参数仍优先。噪声较多时可能增加误识别和耗时，最短静音与边缘留白沿用既有设置，「均衡」「最干净最稳」继续使用原有规则
  • 识别后自动检查语音空档和短促语音，并对可疑片段带前后文局部重听，无需调整复杂参数。只有两次复核的内容一致、置信度足够且前后文能对齐时才自动补入；点击任务中的「已补回」可查看前后对比，并定位复核前的字幕备份
  • 句首词落在长停顿之前时，会尝试在文字完全一致的前提下修正时间轴。复核有次数和音频时长上限，可以随任务取消；复核不可用时保留首次识别结果
  • 独立短词的时间明显错位时，会检查前后文字、原位置的语音证据和两次局部定位；确认后只移动原字幕时间，保留文字与标点。不能确认的时间错位，以及局部重听得到的不同表达，会保留为校对提示；有文字差异时并列显示首次识别与候选，便于试听核对
  • 短词定位的追加确认在原有复核完成后执行，使用独立额度，避免挤掉后续内容和时间检查。追加确认最多 4 次、累计处理音频最多 60 秒；这是音频长度上限，实际耗时取决于设备和模型。额度不足时保留待复核提示
  • 尚不能确认的内容仍显示在校对页，提供时间范围和可复制的重听候选；只有声音活动、没有检出人声的空档保留为低可信度提示。提示是待复核片段数，不等于已确认遗漏的句子数；背景声音、很轻的语音和模型错误仍可能产生误报或漏报

常见问题​

  • 运行时下载失败：在「设置 → 下载源（高级）」切换镜像源或配置代理后重试
  • GPU 运行时要装 CUDA Toolkit 吗：不需要，运行时自带依赖；只要求 NVIDIA 驱动版本不过旧
  • 本地开发者：源码与构建在独立仓库 smartsub-py-engine，见开发说明

信息更新于 2026-07。