faster-whisper
Mecanismo de inferência de Fala para Texto (Speech-to-Text) de alta velocidade que reimplementa o OpenAI Whisper usando CTranslate2.
Transcreva áudio até 4x mais rápido com pegada reduzida de VRAM e RAM usando CTranslate2.
faster-whisper é uma biblioteca Python otimizada que reimplementa o modelo Whisper da OpenAI com CTranslate2 para transcrição acelerada. Ela oferece maiores velocidades de execução e menor overhead de memória do que as implementações padrão do Whisper. Engenheiros de áudio, desenvolvedores e pesquisadores que precisam de processamento rápido de fala para texto devem usá-la.
O que é
Este pacote converte áudio em texto usando quantização Transformer e otimizações de execução em CPU e GPU. Ele inclui suporte integrado para filtragem Silero VAD, pipelines de inferência em lote e carimbos de data/hora (timestamps) em nível de palavra. A decodificação de áudio ocorre via PyAV, removendo os requisitos de dependência de sistema externa do FFmpeg.
Para quem
É adequado para desenvolvedores Python e engenheiros de fluxo de trabalho de áudio que buscam construir ferramentas de transcrição escaláveis e de baixa latência. É ideal para usuários que precisam de processamento local com precisão int8 ou lote rápido em GPU. Não é adequado para usuários não técnicos que procuram um aplicativo gráfico de desktop sem codificação.
Recursos principais
Mecanismo de Inferência CTranslate2
Reimplementa os modelos Whisper para alcançar um reconhecimento de fala até quatro vezes mais rápido com menor uso de memória.
Quantização Int8 e FP16
Suporta precisão de 8 bits em CPU e GPU para cortar drasticamente os requisitos de VRAM sem retreinar modelos.
Filtro Silero VAD Integrado
Corta os silêncios do áudio automaticamente antes do processamento para evitar transcrições alucinadas e economizar tempo.
Pipeline de Inferência em Lote
Processa múltiplos segmentos de áudio simultaneamente para maximizar a eficiência do hardware durante trabalhos em lote.
Pronto em 3 passos
Nosso veredito honesto
Pontos fortes
- Velocidade de transcrição até 4x mais rápida em comparação com o código original do OpenAI Whisper.
- A decodificação PyAV integrada elimina a instalação de software de sistema FFmpeg externo.
- O filtro Silero VAD integrado remove lacunas silenciosas diretamente dentro do pipeline.
- Suporta carimbos de data/hora em nível de palavra e inferência em lote nativamente em Python.
Onde deixa a desejar
- Requer configuração manual de bibliotecas de driver específicas do CUDA 12 e cuDNN 9 em sistemas GPU.
- Carece de uma interface gráfica de usuário e deve ser integrado via código Python ou command line.
- A saída de execução usa geradores Python, exigindo lógica de iteração para recuperar o texto completo.
Preços & licença
faster-whisper é totalmente gratuito e open source sob a licença MIT. Não há serviços hospedados pagos fornecidos pelos mantenedores do repositório. Seu custo principal será a infraestrutura de computação subjacente necessária para executar a inferência em CPU ou GPU.
Vagas para quem fala português
874 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$170 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Alternativas
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Use, ou deixe que a gente configure
FAQ
Eu preciso do FFmpeg instalado no meu sistema operacional?
Não, a decodificação de áudio é tratada diretamente pelo PyAV, que empacota os binários do FFmpeg necessários.
O faster-whisper pode rodar na CPU?
Sim, ele suporta execução em CPU com quantização int8 ou fp32 para baixo uso de memória.
Modelos Distil-Whisper são suportados?
Sim, checkpoints como distil-large-v3 são totalmente compatíveis com esta biblioteca.
