🎙 faster-whisper: расшифровываем аудио локально даже без видеокарты
🎙 faster-whisper: расшифровываем аудио локально даже без видеокарты faster-whisper переносит распознавание речи Whisper на движок CTranslate2. Для первого запуска подойдёт обычный CPU, а аудиофайл останется на вашем компьютере. Что нужно: Python 3.9 или новее. Отдельно ставить системный FFmpeg не требуется — аудио декодирует PyAV из состава пакета. Лицензия проекта — MIT. Установка в отдельное окружение на Windows: `python -m venv .venv` `.venv\Scripts\activate` `python -m pip install --upgrade pip` `pip install faster-whisper` Создайте рядом файл `transcribe.py`: `from faster_whisper import WhisperModel` `model = WhisperModel("small", device="cpu", compute_type="int8")` `segments, info = model.transcribe("audio.mp3", beam_size=5, vad_filter=True)` `print("Язык:", info.language)` `for segment in segments:` ` print(f"[{segment.start:.1f}–{segment.end:.1f}] {segment.text}")` Положите запись под именем `audio.mp3` в ту же папку и запустите: `python transcribe.py` При первом запуске модель загрузится автоматически. Параметр `vad_filter=True` убирает длинные участки без речи. Если язык известен заранее, можно передать в `transcribe` параметр `language="ru"`. Начните с модели `small`: она удобна для проверки на CPU. Затем сравните скорость и качество на собственных записях. Сохраните инструкцию для расшифровки интервью, лекций и голосовых заметок. Официальный репозиторий: https://github.com/SYSTRAN/faster-whisper #первыйхаб #технологии #ИИ #распознаваниеречи #локальныйИИ