faster-whisper 是做什麼的？
來自 theplasmak/faster-whisper 的代理技能。
此技能專注於快速且準確地將音訊轉錄為文字，適用於開發者、內容創作者以及任何需要自動化語音轉文字處理的場景。
功能特色
- 支援多種音訊格式輸入
- 基於 faster-whisper 實現高效能轉錄
- 可輸出多種結果格式：純文字、SRT 字幕、JSON
- 跨平台支援（macOS、Linux、Windows）
安裝與設定
使用 pip 安裝所需的 Python 套件：
pip install faster-whisper
此外，請確保您的系統已安裝 ffmpeg，以便處理音訊檔案。
使用方式
基本使用範例：
from faster_whisper import WhisperModel
model_size = "large-v3"
model = WhisperModel(model_size, device="cpu", compute_type="int8")
segments, info = model.transcribe("audio.mp3", beam_size=5)
print("偵測到的語言：%s" % info.language)
print("轉錄段落：")
for segment in segments:
print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))
您也可以將此技能整合到您的 AI 代理工具中，作為語音轉文字的子任務。
支援的格式
- 音訊輸入：MP3、WAV、M4A、FLAC、OGG 等 ffmpeg 支援的格式。
- 輸出選項：
- 純文字 (.txt)
- SRT 字幕 (.srt)
- JSON 結構化資料 (.json)
注意事項
- 初次執行時會自動下載 Whisper 模型，請確保穩定的網路連線。
- 若使用 GPU 加速，需安裝對應的 CUDA 和 cuDNN 套件。
- 轉錄品質取決於音訊清晰度與模型大小（參數越多，準確度越高）。