文字起こしモデル Whisperの実行Libraryまとめ

Whisper (Official)

# on MacOS using Homebrew (https://brew.sh/)
brew install ffmpeg
pip install -U openai-whisper

whisper audio.flac audio.mp3 audio.wav --model turbo

faster-whisper (処理速度が最大4倍改善。)

# Unlike openai-whisper, FFmpeg does not need to be installed on the system. The audio is decoded with the Python library PyAV which bundles the FFmpeg libraries in its package.
# 翻訳: openai-whisperとは異なり、FFmpegをシステムにインストールする必要はありません。音声は、FFmpegライブラリをパッケージにバンドルしたPythonライブラリPyAVでデコードされます。

pip install faster-whisper
# CLIは標準サポートしてない   検索すると別repoで見つかる

mlx-whisper (AppleSilicon向け。MLXを使ったもの。早いらしい。)

# on macOS using Homebrew (https://brew.sh/)
brew install ffmpeg
pip install mlx-whisper

mlx_whisper audio_file.mp3

lightning-whisper-mlx　(一番早いらしい。日本語で試したけど対応してないのか、ダメだった。)

https://github.com/mustafaaljadery/lightning-whisper-mlx/blob/main/speed_image.png

pip install lightning-whisper-mlx

# CLIは標準サポートしてない

Whisper.cpp (C/C++でPortingしたもの。比較がないので速度は不明。いろんなデバイスでWhisper動かしたい人向けかも)