CrisperWhisper2.0_large实战教程：3分钟上手专业级语音识别，支持多语言与实时时间戳

CrisperWhisper2.0_large实战教程：3分钟上手专业级语音识别，支持多语言与实时时间戳

【免费下载链接】CrisperWhisper2.0_large项目地址: https://ai.gitcode.com/hf_mirrors/nyralabs/CrisperWhisper2.0_large

CrisperWhisper2.0_large是一款专业级语音识别工具，能够提供精准的逐字记录和预期内容转录，支持多语言识别与实时时间戳功能，让你轻松应对各种语音转文本需求。

🌟 CrisperWhisper2.0_large核心优势

CrisperWhisper2.0_large作为一款先进的语音识别模型，具有以下突出特点：

✅ 双重转录模式，满足不同需求

• 逐字模式：精确记录说话内容，包括填充词、重复、口吃和 vocal 事件，例如：[um] so we we need to, to reschedule the th- thursday meeting to [uh] march third at nine thirty [laughter]
• 预期模式：生成清晰易读的版本，自动格式化数字、日期和电子邮件等内容，例如：So we need to reschedule the Thursday meeting to March 3 at 9:30.

⏱️ 精准的词级时间戳

提供平均约30毫秒的词边界误差（朗读语音）和41毫秒（会话语音），是目前基准测试中最精确的词级时间戳系统。

🌍 多语言支持

支持多种语言的逐字和预期模式转录，在Nyra Verbatim Speech Benchmark基准测试中，跨十种语言的不流畅F1得分领先于所有测试的闭源替代方案。

🚀 生产级推理

采用CTranslate2运行时，结合推测解码技术，并内置缓解Whisper循环幻觉故障模式的机制，确保稳定高效的语音识别体验。

📊 性能对比

在Nyra Verbatim Speech Benchmark基准测试中，CrisperWhisper2.0_large表现出色：

*CrisperWhisper 1.0仅支持英语/德语；其平均值涵盖这两种语言。英语和德语使用人工标记的评估集；其他八种语言使用合成逐字集。

在词定时准确性方面，CrisperWhisper2.0_large同样领先：

📥 快速安装步骤

NVIDIA GPU（Linux）安装

这是最快的安装方式，包含推测解码功能。只需安装NVIDIA驱动，CUDA库将通过pip自动安装：

pip install "crisperwhisper[ct2]"

纯PyTorch安装

可在任何支持torch的环境（macOS、Windows、CPU）上运行：

pip install "crisperwhisper[transformers]"

🚀 3分钟快速上手

基本转录

from crisperwhisper import CrisperWhisperModel # 加载模型（默认加载nyralabs/CrisperWhisper2.0_large） model = CrisperWhisperModel() # 也可选择不同大小的模型：CrisperWhisperModel("turbo") # turbo / medium / small # 逐字转录（默认模式）：包含所有填充词、重复、口吃和vocal事件 result = model.transcribe("meeting.wav", language="en") print(result.text) # 预期模式：生成清晰易读的版本 clean = model.transcribe("meeting.wav", language="en", mode="intended")

获取词级时间戳

# 获取词级时间戳 result = model.transcribe("meeting.wav", language="en", word_timestamps=True) for w in result.words: print(f"{w.start:6.2f}-{w.end:6.2f} {w.word}")

升级现有转录文本

# Verbatimize：将现有干净转录文本升级，添加音频中实际存在的不流畅表达 result = model.verbatimize("clip.wav", "I think we should ship it Friday.")

更快的推理：推测解码（ct2）

使用小型草稿模型提出标记，主模型进行验证，输出相同但速度提升1.3至1.4倍：

model = CrisperWhisperModel("large", draft_model="turbo") result = model.transcribe("meeting.wav", language="en", speculative_decoding=True)

🧩 可用模型

标准模型根据非商业研究许可证发布，可用于商业许可。Pro模型仅可通过商业许可获得。

📦 其他功能

CrisperWhisper2.0_large还提供以下实用功能：

📜 许可证信息

CrisperWhisper 2.0根据组件的不同分布在两个单独的许可证下：

简而言之：推理代码和其他软件采用MIT许可，可用于任何目的，包括商业用途。只有模型权重及其生成的输出被许可用于非商业用途；任何商业使用模型权重或输出都需要获得nyra health GmbH的单独商业许可。

📚 相关资源

• 完整文档
• 发布文章
• 论文
• 模型
• 基准测试
• 基准测试仓库

【免费下载链接】CrisperWhisper2.0_large项目地址: https://ai.gitcode.com/hf_mirrors/nyralabs/CrisperWhisper2.0_large