fast whisper 接口

<think>好的，我现在需要帮助用户了解如何调用fast-whisper的API接口。根据用户提供的引用信息，他们提到了两个资源：一个是insanely-fast-whisper-api，另一个是官方的whisper仓库，以及如何安装faster-whisper库。 首先，我需要确认fast-whisper和faster-whisper是否是同一个项目。根据引用[2]，用户提到了安装faster-whisper和transformers，并提到准备tiny模型。这可能指的是faster-whisper这个库，它是Whisper的一个优化版本，可能由第三方维护。而引用[1]提到的insanely-fast-whisper-api可能是一个封装好的API服务，提供更快的语音转文本服务，项目链接是www.dongaigc.com。 接下来，我需要分情况讨论。用户的问题是关于如何调用fast-whisper的接口，所以可能需要分别说明使用本地库（如faster-whisper）和调用API服务（如insanely-fast-whisper-api）的方法。 对于本地的faster-whisper库，正确的安装步骤应该是使用pip install faster-whisper，然后导入模型，加载音频文件，进行转录。需要给出示例代码，并说明模型的选择，比如tiny、base、small等不同规模的模型，以及设备的选择（CPU或GPU）。 对于API服务，用户需要访问提供的链接，查看API文档，获取API密钥，然后通过HTTP请求发送音频文件，接收转录结果。这里可能需要示例代码，比如使用Python的requests库发送POST请求，并处理响应。 需要注意引用来源的正确标注，比如引用[1]和引用[2]的信息需要正确对应到各自的步骤中。同时，确保示例代码的正确性，比如正确的导入语句和函数调用。 另外，用户可能对性能优化或应用场景感兴趣，但根据当前问题，重点应放在接口调用和使用方法上。可能需要提醒用户根据需求选择本地部署还是API服务，本地部署适合需要控制数据隐私的场景，而API服务适合追求快速集成和无需本地计算资源的场景。 最后，生成的相关问题需要与fast-whisper相关，比如性能优化、不同模型的选择、处理长音频的方法等，帮助用户进一步探索。</think>### fast-whisper 接口调用方法 #### 一、本地库调用（基于 faster-whisper） 1. **环境安装** ```bash pip install faster-whisper transformers ``` 需注意：该库依赖CTranslate2加速引擎，支持CPU/GPU推理[^2]。 2. **基础代码示例** ```python from faster_whisper import WhisperModel # 加载模型（首次使用会自动下载） model = WhisperModel("tiny", device="cpu", compute_type="int8") # 可替换为 small/base/medium # 执行语音识别 segments, info = model.transcribe("audio.mp3", beam_size=5) for segment in segments: print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text)) ``` 3. **关键参数说明** - `model_size`: 支持 `tiny|base|small|medium` 四种规模 - `device`: `cpu` 或 `cuda` - `compute_type`: 量化类型（`int8|int16|float16`） - `transcribe()` 支持 `language`、`temperature` 等高级参数 #### 二、API服务调用（基于 insanely-fast-whisper-api） 1. **API请求示例** ```python import requests API_ENDPOINT = "https://api.dongaigc.com/transcribe" API_KEY = "your_api_key_here" headers = {"Authorization": f"Bearer {API_KEY}"} files = {"file": open("audio.wav", "rb")} response = requests.post(API_ENDPOINT, files=files, headers=headers) print(response.json()["text"]) # 输出转录结果[^1] ``` 2. **服务特性** - 支持多种音频格式（MP3/WAV/FLAC） - 响应时间通常在音频时长的1/10以内 - 提供实时流式传输支持（需参考API文档） #### 三、两种方式对比 | 特性 | 本地部署 | API服务 | |--------------------|--------------------------|------------------------| | 隐私性 | ★★★★★ | ★★☆☆☆ | | 硬件要求 | 需要计算资源 | 只需网络连接 | | 延迟 | 依赖本地硬件 | 服务端优化加速 | | 适用场景 | 敏感数据/离线环境 | 快速集成/无本地资源 |