英文原文: https://argusic.com/subject/whisper-ctranslate2

whisper-ctranslate2

基于 CTranslate2 的 Whisper 命令行客户端，兼容原始 OpenAI 客户端。

可运行来源：GitHubPythonMITcommit 7c06913255be

Python，MIT 许可证. 项目的自我描述：openai 、openai whisper、speech recognition、speech to text 和 whisper.

whisper-ctranslate2 可以运行。一个 Argusic agent 在一台没有 GPU 的干净机器上用 6 分钟完成了安装，遇到 3 个错误，整个会话都被记录了下来。

Installed in a venv; the CLI answers version 0.5.7, all 17 unit tests pass, and 6 of 7 e2e tests pass including real small/medium-model transcription of the bundled samples matched against reference outputs, with only diarization failing because it needs a real HuggingFace token and pyannote/torch.

agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式

每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 93.3，满分 100（该项目各次运行得分的平均值）。

概览

结论
可运行
Argusic 评分
93.3 / 100
验证运行的成本
0.07 USD（实测）
已记录的运行次数
1
最近测试
星标
1,369
fork 数
126
未关闭的 issue
12
关注者
19
大小
1 MB
创建于
最近推送

项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。

测量了什么

来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。

测试 whisper-ctranslate2 时每个故障耗费的时间，取自已记录的运行
每一根柱子都是 agent 记录的一次失败，以及它耗费的时间。数据仅取自本次运行。

哪里出了问题，用 agent 自己的话说

agent 的原话，最严重的排在最前，从不改写成建议。

  • av 19.0.1 removed the metadata_errors kwarg, breaking faster-whisper 1.2.1 audio decode (TypeError open() got unexpected keyword argument 'metadata_errors')3 分钟
  • System pip install blocked by PEP 668 externally-managed environment1 分钟
  • e2e test_transcribe_diarization failed: HF_TOKEN unset and pyannote.audio/torch not installed for gated pyannote/speaker-diarization-community-1 model1 分钟
安装时间
6 分钟
从冷启动机器到完成
22 分钟
遇到并修复的错误
遇到 3 个，在无人协助的情况下修复了 2 个
结果是如何证明的
whisper-ctranslate2 --version returned 'whisper-ctranslate2 0.5.7'; nose2 -s tests returned 'Ran 17 tests ... OK'; nose2 -s e2e-tests returned 'Ran 7 tests ... FAILED (failures=1)'; whisper-ctranslate2 --model tiny --device cpu --compute_type float32 --output_dir /tmp/out2 --language en e2e-tests/gossos.mp3 exited 0 and wrote 5 output files
使用的模型 token
71,659
测试的确切 commit
7c06913255be
容器镜像
sha256:cdd920bce783

没有测量什么

另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。

GPU 显存峰值
本次运行在 CPU 机器上进行，没有可采样的 GPU
长时间运行的表现
每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现

观看会话

完整的运行过程，从一台干净的机器开始，按实际速度播放。没有剪辑，也没有加速。

第 1 次尝试的录屏，运行于 ，即决定上述结论的那次尝试。 制作该视频所用的终端录屏是证据，连同 sha256 指纹一起保存；视频只是由它渲染而成。 在你点击播放之前，不会从视频托管方加载任何内容。

录屏的结尾

决定该结论的终端会话的最后几行，与录制时完全一致。

final_state: "Installed in a venv; CLI answers 0.5.7, 17 unit tests and 6/7 e2e tests pass includin…
install_minutes: I'll put the install-phase minutes. Let me say ~6.
Let me write the final line. Must be plain text starting with ARGUSIC_RESULT: followed by JSON on s…
Let me put a JSON with proper escaping.
install_minutes: the install + dependency fixes took roughly 6 minutes (venv ~5s + pip install ~24s…
minutes for errors: PEP668 ~1, av ~3, diarization ~0 (couldn't fix, but it's part of e2e runtime; r…
Let me write it.I have completed the mission. Let me compile the final report.
**Summary of what I did and observed:**
- **Install**: System `pip` is blocked by PEP 668 (externally-managed environment), so I created a …
- **Error 1 fixed**: The install pulled `av 19.0.1`, and running a real transcription failed with `…
- **Real verification (tier1)**: `whisper-ctranslate2 --model tiny e2e-tests/gossos.mp3` downloaded…
- **Tests**: `nose2 -s tests` → `Ran 17 tests ... OK`. `nose2 -s e2e-tests` → `Ran 7 tests ... FAIL…

回放完整会话，从干净的机器到此刻的每一条命令。

测试方式

一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.

优势与局限

均为实测事实，而非观点。内容是如何撰写的.

顺利的部分

  • 在干净的机器上达到了运行状态，会话有完整记录。
  • 用 6 分钟完成安装。
  • 无需 GPU 即可运行，因此启动它并不需要 GPU。
  • 采用 MIT 许可证，以其托管平台报告的信息为准。

不顺利或尚不清楚的部分

  • 搭建过程中遇到 3 个错误，其中 1 个没有解决。
  • 目前只测量过一次。单次尝试只能说明它可以运行，不能说明它能稳定运行。

适合用于

  • 在笔记本电脑或小型服务器上试用：它无需 GPU 即达到了运行状态。
  • 快速评估：克隆后 6 分钟它就已经运行起来。

同一领域中也测试过的项目

这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。

  • whisper.cpp 已验证可运行 · C++ · 3 个共同主题
  • whisperX 已验证可运行 · Python · 3 个共同主题
  • whisper-asr-webservice 已验证可运行 · Python · 3 个共同主题
  • voxtype 已验证可运行 · Rust · 3 个共同主题
  • VoiceFlow 已验证可运行 · Python · 3 个共同主题
  • onnx-asr 已验证可运行 · Python · 3 个共同主题

运行历史

测试者尝试结果评分成本 USD时间
Argusic Runner1/3可运行93.330.07

主题 (来自 GitHub)

openai-openai-whisperspeech-recognitionspeech-to-textwhisper

嵌入徽章

用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.

[![Tested by Argusic](https://argusic.com/badge/whisper-ctranslate2.svg)](https://argusic.com/subject/whisper-ctranslate2)

常见问题

whisper-ctranslate2 能运行吗？
是的。whisper-ctranslate2 可以运行. Argusic 在一台干净的机器上安装并启动了它，用时 6 分钟，过程中遇到 3 个错误，并记录了整个会话。
Argusic 是如何测试 whisper-ctranslate2 的？
在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 7c06913255be。共记录了 1 次尝试，完整方法见方法论页面。
测试 whisper-ctranslate2 花了多少钱？
得出该结论的那次运行花费 0.07 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
whisper-ctranslate2 安装需要多长时间？
在决定该结论的那次运行中，从干净的机器到运行状态用了 6 分钟。这是一次实测的尝试，不是平均值。
whisper-ctranslate2 需要 GPU 吗？
启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
安装 whisper-ctranslate2 时会出现什么问题？
已记录的运行中出现了 3 个问题，其中 2 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
whisper-ctranslate2 的证据在哪里？
这次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。

Discussion