Whisperx

一、项目简介

WhisperX 是在 OpenAI Whisper 基础上增强的语音识别工具，主要解决了原生 Whisper 没有词级时间戳和批量推理较慢的问题，并支持说话人分离（diarization），适合专业字幕与会议记录场景。

二、核心特性

• 词级时间戳：精确到单词，便于字幕对齐；
• 批量推理加速：大幅提升长音频处理速度；
• 说话人分离：区分不同发言人；
• 多语言支持；
• 语音活动检测（VAD）：减少无效片段；
• 易集成到自动化流程。

三、适用场景

• 专业字幕制作与校对；
• 会议记录（区分发言人）；
• 批量音频转写与索引。

四、快速上手

pip install whisperx
whisperx audio.wav --model large-v3 --language zh --diarize

五、注意事项

• 说话人分离需额外模型与 HF token；
• 显存/内存需求较大；
• 注意模型许可与音频隐私。