企业官网建设流程全解析

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-whisper

150 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。

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：

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.wav

macOS 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