Insanely Fast Whisper：用极速把音频转成文字的开源 CLI 神器
你是否曾经被长达数小时的录音、访谈或会议纪要折磨得焦头烂额？手动听写费时费力，普通语音转写工具又慢又不准。Insanely Fast Whisper 的出现，彻底解决了这个痛点。它是一个基于 🤗 Transformers、Optimum 与 Flash Attention 2 构建的命令行语音转写工具，可以让开发者以疯狂的速度完成音频转录——150 分钟（2.5 小时）的音频，最快不到 98 秒就能转成文本。本文将带你全面了解这个“快得离谱”的开源新星。
截至收录：
Insanely Fast Whisper stars数：13048
Insanely Fast Whisper forks数：961
Insanely Fast Whisper 项目目录截图
Insanely Fast Whisper 核心亮点
🌟 亮点一（极致速度）：在 NVIDIA A100 上，使用 Whisper large-v3 + Flash Attention 2 + 批处理，仅需 1 分 38 秒即可转录 150 分钟的音频；而使用 distil-large-v2 + Flash Attention 2，更是缩短到 1 分 18 秒。比传统 fp32 方案快了近 20 倍。
🎯 亮点二（一键 CLI）：无需编写 Python 代码，通过 pipx 安装后，一条命令 insanely-fast-whisper --file-name <音频文件> 即可完成转录。支持本地文件或 URL，自动语言检测，开箱即用。
🔒 亮点三（先进技术栈）：深度整合 Hugging Face Transformers 与 Optimum 的 BetterTransformer API，并可选 Flash Attention 2 加速。同时支持在 Apple Silicon（mps）上运行，让 Mac 用户也能享受高速转录。
🧩 亮点四（高扩展性与实用功能）：支持指定模型（如 distil-whisper/large-v2）、批处理大小、转录/翻译任务、词级时间戳，甚至集成了 Pyannote.audio 说话人分离（diarization）功能，可区分不同说话人，适用于会议纪要等复杂场景。
Insanely Fast Whisper 快速开始
只需几步，你就能在本地高速转录音频：
- 安装（推荐使用
pipx，避免环境冲突）：
bash
# 如果你还没有 pipx，先安装它
$ pip install pipx
# 然后安装 insanely-fast-whisper
$ pipx install insanely-fast-whisper - 运行你的第一个转录命令：
bash
$ insanely-fast-whisper --file-name <你的音频文件或URL>
如果你使用的是 macOS（Apple Silicon），请加上--device-id mps：
bash
$ insanely-fast-whisper --file-name <文件> --device-id mps - 查看所有可选项：
bash
$ insanely-fast-whisper --help
通过--flash True启用 Flash Attention 2，或使用--model-name distil-whisper/large-v2切换更轻量快速的模型。
Insanely Fast Whisper 应用场景
场景一：会议与访谈记录：记者、播客主持人和商务人士可以快速将数小时的访谈录音转为文字稿，结合说话人分离功能，还能自动区分不同发言者，极大提升整理效率。
场景二：视频字幕生成：视频创作者只需一行命令，即可为长视频生成带时间戳的字幕文件，省去逐句听写的痛苦，让内容发布流程大大提速。
场景三：语音数据集构建与科研：研究者可以利用该工具批量处理大规模音频数据，生成文本语料，用于训练或评估其他 NLP / ASR 模型。
用户案例：目前该社区项目已被不少开发者采用，衍生出了多个周边项目，如 ochen1/insanely-fast-whisper-cli、NextJS + Modal 构建的 Shush 应用，以及 kadirnar/whisper-plus Python 包。Hugging Face 社区和众多 AI 内容创作者也推荐使用这一工具来加速语音处理流程。
Insanely Fast Whisper 链接
Vaibhavs10 / insanely-fast-whisper项目地址：https://github.com/Vaibhavs10/insanely-fast-whisper
本文地址：https://www.tgoos.com/45908
