Insanely Fast Whisper模型选型large-v3 与 distil-large-v2 转写速度、准确率完整对比【免费下载链接】insanely-fast-whisper项目地址: https://gitcode.com/GitHub_Trending/in/insanely-fast-whisper150 分钟音频不到 98 秒转完这是 Insanely Fast Whisper 这个基于 Whisper 的本地语音转写工具在 A100 上用 large-v3 跑出的官方数据。本文对比项目里最常用的两个模型 large-v3 与 distil-large-v2直接给结论。结论先行如果你显存充足、追求准确率上限就选 large-v3如果要批量转写大量音频、在意吞吐量用 distil-large-v2。开启 Flash Attention 2 之后两者转写耗时差距很小1 分 18 秒对 1 分 38 秒真正的差别在体积与低音质场景下的稳健度。维度large-v3distil-large-v2模型体积约 3.09G官方 notebook 下载记录蒸馏版本更小具体以官方数据为准转写速度A100150 分钟音频FA2约 1 分 38 秒约 1 分 18 秒准确率更高适合低音质与复杂内容略低清晰音频够用更适合精度敏感的归档、转写任务大批量处理、吞吐优先数据来源README.md 中的官方基准表。按场景选型离线归档、精度敏感转写法律文档、学术录音选 large-v3。参数更多准确率上限更高更适合低音质或混语音频。批量处理大量音频会议录音库、播客库选 distil-large-v2。参数更少、单条耗时更短适合高吞吐场景。Mac 或低显存机器选 distil-large-v2并配--batch-size 4。内存占用更低更适合 mps 设备。硬指标拆解官方 A100-80GB 基准统一转写 150 分钟音频模型与配置转写耗时large-v3fp32约 31 分 1 秒large-v3fp16 batching 24约 5 分 2 秒large-v3fp16 batching 24 Flash Attention 2约 1 分 38 秒distil-large-v2fp16 batching 24 Flash Attention 2约 1 分 18 秒large-v2Faster Whisper8-bit约 8 分 15 秒两个关键点一是 large-v3 权重约 3.09G下载记录见 insanely_fast_whisper_colab.ipynb二是 FA2 决定速度量级不启用它 large-v3 要 5 分 2 秒能开就开。三条命令跑通pipx install insanely-fast-whisper# large-v3 是默认模型加 --flash True 启用 FA2 insanely-fast-whisper --file-name ted_60.wav --flash True# 指定 distil-large-v2 insanely-fast-whisper --model-name distil-whisper/large-v2 --file-name ted_60.wavmacOS 上再补--device-id mps。全部参数的默认值可以看 src/insanely_fast_whisper/cli.py。容易踩的坑⚠️下载体积首次运行会拉取约 3.09G 权重磁盘先留好余量。FA2 要单独装默认安装不带 flash-attn先跑pipx runpip insanely-fast-whisper install flash-attn --no-build-isolation否则--flash True不生效。Mac 上 OOM默认 batch 24 容易爆显存改成--device-id mps --batch-size 4占用约 12GB 显存。把这份清单带走显存够、精度优先large-v3 --flash True大批量、吞吐优先或 Mac--model-name distil-whisper/large-v2跑之前确认磁盘余量约 3.09G和 flash-attn 装好了【免费下载链接】insanely-fast-whisper项目地址: https://gitcode.com/GitHub_Trending/in/insanely-fast-whisper创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考