CTranslate2 का उपयोग करके OpenAI Whisper को फिर से लागू करने वाला हाई-स्पीड स्पीच-टू-टेक्स्ट इन्फेरेंस इंजन।
CTranslate2 का उपयोग करके कम VRAM और RAM पदचिह्न के साथ 4x तक तेज़ी से ऑडियो ट्रांसक्राइब करें।
faster-whisper एक अनुकूलित Python लाइब्रेरी है जो त्वरित ट्रांसक्रिप्शन के लिए CTranslate2 के साथ OpenAI के Whisper मॉडल को फिर से लागू करती है। यह मानक Whisper कार्यान्वयन की तुलना में उच्च निष्पादन गति और कम मेमोरी ओवरहेड प्रदान करता है। तेज़ स्पीच-टू-टेक्स्ट प्रोसेसिंग चाहने वाले ऑडियो इंजीनियरों, डेवलपर्स और शोधकर्ताओं को इसका उपयोग करना चाहिए।
यह पैकेज CPU और GPU दोनों पर ट्रांसफॉर्मर क्वांटाइजेशन और निष्पादन अनुकूलन का उपयोग करके ऑडियो को टेक्स्ट में परिवर्तित करता है। इसमें Silero VAD फ़िल्टरिंग, बैच्ड इन्फेरेंस पाइपलाइन और वर्ड-लेवल टाइमस्टैम्प के लिए अंतर्निहित समर्थन शामिल है। ऑडियो डिकोडिंग PyAV के माध्यम से होती है, जिससे बाहरी FFmpeg सिस्टम निर्भरता आवश्यकताएँ समाप्त हो जाती हैं।
यह स्केलेबल, कम-विलंबता ट्रांसक्रिप्शन टूल बनाने के इच्छुक Python डेवलपर्स और ऑडियो वर्कफ़्लो इंजीनियरों के लिए उपयुक्त है। यह int8 परिशुद्धता या तेज़ GPU बैचिंग के साथ स्थानीय प्रोसेसिंग चाहने वाले उपयोगकर्ताओं के लिए आदर्श है। यह कोडिंग के बिना ग्राफिकल डेस्कटॉप एप्लिकेशन चाहने वाले गैर-तकनीकी उपयोगकर्ताओं के लिए उपयुक्त नहीं है।
कम मेमोरी उपयोग के साथ चार गुना तक तेज़ स्पीच रिकग्निशन प्राप्त करने के लिए Whisper मॉडल को फिर से लागू करता है।
मॉडल को पुनः प्रशिक्षित किए बिना VRAM आवश्यकताओं में भारी कटौती करने के लिए CPU और GPU पर 8-बिट परिशुद्धता का समर्थन करता है।
भ्रमित ट्रांसक्रिप्शन को रोकने और समय बचाने के लिए प्रोसेसिंग से पहले ऑडियो सन्नाटे को स्वचालित रूप से ट्रिम करता है।
बैच जॉब्स के दौरान हार्डवेयर दक्षता को अधिकतम करने के लिए कई ऑडियो सेगमेंट को एक साथ प्रोसेस करता है।
faster-whisper MIT लाइसेंस के तहत पूरी तरह से मुफ़्त और open source है। रिपॉजिटरी मेंटेनर्स द्वारा कोई सशुल्क होस्टेड सेवा प्रदान नहीं की जाती है। आपकी मुख्य लागत CPU या GPU इन्फेरेंस चलाने के लिए आवश्यक अंतर्निहित कंप्यूट बुनियादी ढांचा होगी।
877 खुले रिमोट AI-ट्रेनिंग रोल, 16 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
नहीं, ऑडियो डिकोडिंग सीधे PyAV द्वारा संभाली जाती है, जो आवश्यक FFmpeg बाइनरी को बंडल करता है।
हाँ, यह कम मेमोरी उपयोग के लिए int8 या fp32 क्वांटाइजेशन के साथ CPU निष्पादन का समर्थन करता है।
हाँ, distil-large-v3 जैसे चेकपॉइंट इस लाइब्रेरी के साथ पूरी तरह से संगत हैं।
Google में Zekai को सबसे पहले देखें