Skip to content

v1.7

Choose a tag to compare

View all tags
@github-actions github-actions released this 25 Feb 19:15
· 22 commits to main since this release
v1.7
bec3d22

🎙️ Faster Whisper 转录工具 - 发行说明

⚠️ 重要声明

本软件为开源软件

🔗 开源地址: https://github.com/TransWithAI/Faster-Whisper-TransWithAI-ChickenRice

👥 开发团队: AI汉化组 (https://t.me/transWithAI)

📦 发行包说明

本发行版包含多个变体版本，请根据您的显卡型号选择合适的版本：

🎯 版本类型说明

基础版（Base Package）

  • 下载大小：约 2.2GB
  • 包含内容：
    • ✅ 所有 GPU 依赖项
    • ✅ 音声优化 VAD（语音活动检测）ONNX 模型
    • ❌ 不含 Whisper 模型（需自行下载）
  • 适用场景：需要使用自定义模型的用户

海南鸡版（Chickenrice Edition）

  • 下载大小：约 4.4GB
  • 包含内容：
    • ✅ 所有 GPU 依赖项
    • ✅ 音声优化 VAD（语音活动检测）ONNX 模型
    • ✅ "海南鸡v2 5000小时" 日文转中文优化模型
  • 适用场景：开箱即用的日文转中文翻译
  • 模型说明：包含经过5000小时音频数据训练的海南鸡v2版本模型，专门优化日文转中文翻译

📌 文件命名规则

文件名后缀 CUDA/ROCm 模型类型
*_cu118.zip CUDA 11.8 基础版
*_cu118-chickenrice.zip CUDA 11.8 海南鸡版
*_cu122.zip CUDA 12.2 基础版
*_cu122-chickenrice.zip CUDA 12.2 海南鸡版
*_cu128.zip CUDA 12.8 基础版
*_cu128-chickenrice.zip CUDA 12.8 海南鸡版
*_gfx101x_dgpu.zip AMD ROCm/HIP (gfx101X) 基础版
*_gfx101x_dgpu-chickenrice.zip AMD ROCm/HIP (gfx101X) 海南鸡版
*_gfx103x_dgpu.zip AMD ROCm/HIP (gfx103X) 基础版
*_gfx103x_dgpu-chickenrice.zip AMD ROCm/HIP (gfx103X) 海南鸡版
*_gfx110x_all.zip AMD ROCm/HIP (gfx110X) 基础版
*_gfx110x_all-chickenrice.zip AMD ROCm/HIP (gfx110X) 海南鸡版
*_gfx120x_all.zip AMD ROCm/HIP (gfx120X) 基础版
*_gfx120x_all-chickenrice.zip AMD ROCm/HIP (gfx120X) 海南鸡版

AMD 版本仍然使用 --device=cuda（这是 CTranslate2 在 HIP/ROCm 后端下的公开 API 约定）。命令行也可使用 --device=amd（等同于 --device=cuda）。
暂不提供 gfx115x iGPU/mobile 版本（请使用 CPU 版或 Modal 云端推理）。

🔍 如何选择正确的版本

NVIDIA 显卡 —— 选择 CUDA 版本

方法一：通过 nvidia-smi 查询

  1. 打开命令提示符或终端
  2. 输入命令：nvidia-smi
  3. 查看输出中的 Driver Version 和 CUDA Version
+-------------------------------------------------------------------------+
| NVIDIA-SMI 570.00       Driver Version: 570.00       CUDA Version: 12.8|
+-------------------------------------------------------------------------+

方法二：通过显卡型号和驱动版本对照表

📊 NVIDIA 驱动版本与 CUDA 版本兼容性表

CUDA 版本 最低驱动要求（Windows） 最低驱动要求（Linux） 推荐使用场景
CUDA 11.8 ≥452.39 ≥450.80.02 较旧的显卡（GTX 10系列、RTX 20/30系列）
CUDA 12.2 ≥525.60.13 ≥525.60.13 RTX 30/40系列，较新的驱动
CUDA 12.8 ≥570.65 ≥570.26 RTX 40/50系列，最新驱动

🎮 显卡型号推荐表

显卡系列 推荐 CUDA 版本 说明
GTX 10系列（1060/1070/1080等） CUDA 11.8 兼容性最好
GTX 16系列（1650/1660等） CUDA 11.8 兼容性最好
RTX 20系列（2060/2070/2080等） CUDA 11.8 或 12.2 根据驱动版本选择
RTX 30系列（3060/3070/3080/3090等） CUDA 12.2 推荐使用
RTX 40系列（4060/4070/4080/4090等） CUDA 12.2 或 12.8 最新驱动用12.8
RTX 50系列（5090/5080/5070等） 🔴 必须使用 CUDA 12.8 ⚠️ 注意：RTX 50系列必须使用CUDA 12.8版本

⚠️ 重要提示

  • RTX 50系列用户：由于新架构要求，必须使用 CUDA 12.8 版本，驱动版本必须 ≥570.00
  • 驱动版本查询：在 nvidia-smi 中显示的 CUDA Version 是您的驱动支持的最高CUDA版本
  • 向下兼容：高版本驱动可以运行低版本CUDA程序（例如：570驱动可以运行CUDA 11.8程序）
  • 性能考虑：使用与驱动匹配的CUDA版本可获得最佳性能

AMD 显卡 —— 选择 ROCm/HIP 版本

AMD 显卡用户请下载带有 gfx*** 后缀的版本。AMD 版本已内置 ROCm/HIP 运行时 DLL，一般无需单独安装 ROCm。

快速自查：

显卡型号 下载后缀
RX 5300 / RX 5500 / RX 5600 / RX 5700 系列 gfx101x_dgpu
RX 6400 / RX 6500 XT / RX 6600 / RX 6700 / RX 6800 / RX 6900 系列 gfx103x_dgpu
RX 7600 / RX 7700 XT / RX 7800 XT / RX 7900 系列 gfx110x_all
RX 9060 / RX 9060 XT / RX 9070（含 GRE/XT） gfx120x_all
iGPU: Radeon 890M / 8060S / 860M (gfx115x) ⚠️ 暂不支持

不知道自己的显卡型号？打开 "任务管理器 -> 性能 -> GPU" 或 "设备管理器 -> 显示适配器"

📥 模型下载说明

基础版用户（需自行下载模型）

基础版包含VAD模型，但不包含Whisper语音识别模型。您需要：

  1. 从 Hugging Face 下载模型

  2. 放置模型文件

    将下载的模型文件放入：
faster_whisper_transwithai_chickenrice/
└── models/
    └── [您下载的模型文件夹]/

  3. 其他可用模型

    • OpenAI Whisper官方模型
    • 其他社区优化模型

海南鸡版用户（开箱即用）

海南鸡版已包含：

  • ✅ 音声优化 VAD 语音活动检测模型
  • ✅ "海南鸡v2 5000小时"日文转中文优化版Whisper模型
  • ✅ 所有必要的配置文件

无需额外下载，解压后直接运行即可使用！

🚀 快速开始指南

1. 选择版本

根据上述表格，选择适合您显卡的CUDA版本

2. 下载对应版本

  • 仅转录/翻译：下载基础版 + 自行下载模型
  • 日文转中文优化：下载海南鸡版（推荐）

3. 解压并运行

# GPU模式（推荐）
将音视频文件拖放到 "运行(GPU).bat"

# CPU模式（无显卡用户）
将音视频文件拖放到 "运行(CPU).bat"

# 低显存模式（4GB显存）
将音视频文件拖放到 "运行(GPU,低显存模式).bat"

💡 常见问题

Q: 我应该选择哪个CUDA版本？
A: 运行 nvidia-smi 查看您的驱动版本，然后对照上表选择。

Q: 海南鸡版和基础版有什么区别？
A: 海南鸡版包含预训练的日文转中文优化模型（5000小时训练），基础版需要自行下载模型。

Q: RTX 4090 应该用哪个版本？
A: 推荐使用 CUDA 12.2 或 12.8 版本，取决于您的驱动版本。

Q: 显存不足怎么办？
A: 使用"低显存模式"批处理文件，或切换到CPU模式。

📝 更新日志

v1.7 (2026-02-24)

  • 🔴 AMD ROCm/HIP GPU 支持：新增 AMD 显卡支持（RDNA1–RDNA4），覆盖 RX 5000 / 6000 / 7000 / 9000 系列
  • 📦 多架构构建：提供 gfx101x（RDNA1）、gfx103x（RDNA2）、gfx110x（RDNA3）、gfx120x（RDNA4）四种架构的打包版本
  • 🔧 ROCm 运行时内置：AMD 版本内置 ROCm/HIP 运行时 DLL，无需单独安装 ROCm
  • 🎮 设备别名：命令行支持 --device=amd（等同于 --device=cuda，CTranslate2 HIP 后端约定）
  • ⚡ 自动设备检测增强：改进 GPU 检测逻辑，支持 AMD HIP 设备自动识别

📋 AMD 版本选择：参考上方 "AMD 显卡 —— 选择 ROCm/HIP 版本" 或 README 中的完整型号列表。

v1.6 (2026-01-12)

  • ☁️ Modal 云端推理支持：新增 modal_infer.exe，无需本地 GPU 也能使用云端 GPU 进行推理（感谢 @Randomless 贡献）
  • 🎮 多 GPU 选择：支持 T4、L4、A10G、A100、H100 等多种云端 GPU
  • 💰 新用户福利：Modal 新用户每月 $30 免费额度，T4 GPU 推荐性价比最高
  • 🔧 交互式配置：通过命令行交互选择 GPU 类型、模型、批处理等参数
  • 📤 自动文件传输：自动上传本地音频、下载生成的字幕到本地
  • 🗃️ 模型缓存：模型文件在 Modal Volume 中缓存，后续运行更快
  • 📦 环境整合：Modal 依赖已集成到主环境文件，无需单独安装

☁️ 使用方法：

  1. 注册 Modal 账号：https://modal.com/
  2. 配置 Token：运行 modal token new
  3. 运行推理：modal_infer.exe 或 python modal_infer.py

💡 使用建议：

  • 本地无 GPU 或显存不足时使用云端推理
  • T4 GPU 性价比最高，适合一般转录任务
  • 大量任务可选择 A10G/A100 加速处理

v1.5 (2025-12-26)

  • 🔧 字幕合并后处理：新增 segment_merge 配置选项，智能合并重复/重叠的字幕片段
  • ⚙️ 灵活配置：在 generation_config.json5 中配置合并参数（启用/禁用、最大间隔、最大时长）
  • 🎛️ 命令行覆盖：支持通过命令行参数覆盖配置文件设置
    • --merge_segments / --no_merge_segments：启用/禁用合并
    • --merge_max_gap_ms：设置允许合并的最大片段间隔（毫秒）
    • --merge_max_duration_ms：设置合并后单条字幕的最大时长（毫秒）
  • 🚀 算法优化：改进合并算法，通过间隔和时长限制避免产生过长的字幕

💡 使用建议：

  • 如遇到"单条字幕持续时间异常过长"的情况，可调小 max_gap_ms 或 max_duration_ms
  • 如需完全禁用合并功能，将 enabled 设为 false 或使用 --no_merge_segments 参数

v1.4 (2025-11-25)

  • 🚀 批处理推理支持：新增批处理推理模式（--enable_batching），大幅提升处理速度
  • ⚡ 智能批次大小自动检测：程序启动时自动测试不同批次大小（1-8），找到显存允许的最大批次
  • 🎯 手动批次大小控制：支持通过 --batch_size 参数手动指定批次大小，跳过自动检测
  • 🔧 运行时自适应调整：处理过程中如遇到显存不足（OOM），自动降低批次大小（每次减少20%）继续处理
  • 📈 最大批次大小配置：通过 --max_batch_size 参数控制自动检测的上限（默认8，可根据显存调整）
  • 📦 新增高显存加速模式：提供 "运行(GPU,高显存加速模式).bat" 专门为8GB+显存用户优化
  • 🔨 修复批处理兼容性：应用补丁修复faster-whisper批处理的max_initial_timestamp参数传递问题
  • 🌐 批处理日志国际化：为批处理功能添加完整的中英文本地化消息，便于调试和使用

📊 批处理模式说明：

  • 并行处理优势：批处理模式下，多个音频片段并行转录，每个片段独立处理，不依赖前面片段的结果
  • 精度权衡：批处理可能略微降低转录精度（由于失去了条件生成的上下文信息）
  • 特殊场景优化：在某些场景下批处理反而效果更好，因为避免了条件生成可能带来的错误传播
    • 噪声较多的音频：避免噪声片段影响后续转录
    • 多说话人场景：减少不同说话人之间的相互干扰
    • 长音频文件：防止错误累积效应

🎮 使用建议：

  • 8GB+ 显存：使用 "运行(GPU,高显存加速模式).bat"，自动检测最优批次大小
  • 4-8GB 显存：手动设置较小批次大小，如 --batch_size=2 或 4
  • 追求最高精度：使用常规模式（不加 --enable_batching 参数）
  • 追求处理速度：启用批处理模式，接受轻微的精度权衡

v1.3 (2025-11-17)

  • 🤖 智能计算类型选择：自动检测设备并选择最优计算类型（bfloat16 > float16 > int8 > float32）
  • 🔍 增强设备自动检测：改进CUDA可用性检测，支持CUDA_VISIBLE_DEVICES环境变量
  • 🔇 抑制警告信息：添加TRANSFORMERS_NO_ADVISORY_WARNINGS环境变量，减少日志噪音
  • 🎯 简化批处理文件：移除硬编码的计算类型设置，全部使用自动检测模式
  • 📊 改进日志记录：添加自动检测设备和计算类型的详细日志信息
  • 🐛 修复日志重复问题：移除重复的根日志处理器，避免日志重复输出
  • 🌐 增强国际化支持：为自动检测功能添加完整的中英文本地化消息

v1.2 (2025-11-15)

  • ⚡ CPU模式性能优化：添加 int16 计算类型支持，提升CPU处理速度
  • 🎮 GPU兼容性改进：强制使用 float16 替代模型精度 bfloat16，提升显卡兼容性
  • 🔧 精简批处理文件：合并视频翻译功能到主批处理文件中
  • 📝 新增日志记录功能：自动保存运行日志到 latest.log 文件，方便问题反馈

v1.1 (2025-11-14)

  • 🌐 离线支持改进：预下载 whisper-base 模型文件，实现完全离线运行
  • 📥 自动模型管理：WhisperFeatureExtractor 优先使用本地模型，避免网络超时
  • 🔧 优化下载流程：支持从已有模型文件夹复制，减少重复下载
  • 🚀 提升稳定性：解决网络不稳定环境下的 HuggingFace 连接超时问题

v1.0 (2025-11-13)

  • 🎯 支持多CUDA版本（11.8/12.2/12.8）
  • 🚀 优化的日文转中文翻译效果（海南鸡v2版本）
  • 🔊 音声优化的VAD语音活动检测
  • 💾 改进的缓存机制，加快CI/CD构建速度
  • 📦 分离的基础版和完整版，满足不同需求
  • 🔧 自动VAD模型下载和管理

📞 技术支持

如遇到问题，请：

  1. 检查显卡驱动是否为最新版本
  2. 确认选择了正确的CUDA版本
  3. 查看控制台输出的错误信息
  4. 提交Issue到项目仓库: https://github.com/TransWithAI/Faster-Whisper-TransWithAI-ChickenRice

🔗 官方链接

🙏 致谢

本工具基于 Faster Whisper 开发，海南鸡模型经过5000小时音频数据优化训练，专门针对日文转中文翻译场景。
由AI汉化组开源维护，永久免费。

Release files generated with ading2210/gh-large-releases.

File Name Size SHA-256 Hash
faster_whisper_transwithai_windows_cu118-chickenrice.zip 4.54 GiB 60fd157293d7d5033dab3c013ce3d4a083d1af6460157f1303a622f4f931715f
faster_whisper_transwithai_windows_cu118.zip 2.26 GiB d581dd2bc84f0ed8d3082f396324285127ae12053e29fa02ea12a1fd25bafd20
faster_whisper_transwithai_windows_cu122-chickenrice.zip 4.89 GiB 8d5d82faac58ace7f84d1285c5c0e541f455a751714f546fa37e6fc520166018
faster_whisper_transwithai_windows_cu122.zip 2.61 GiB 3119b4f1cbba3cbaa118b4b56b213cbe71ecee08d21f966901e7c35d9a976396
faster_whisper_transwithai_windows_cu128-chickenrice.zip 5.50 GiB 81238edeea95a73dbc90a9607f3af14cd850d2a6083d20791681c14159f3a84b
faster_whisper_transwithai_windows_cu128.zip 3.22 GiB 8d0e605a88a0584930d2b1a2e79d4f1e3f1c00e254cf3738cd81da156a47f616
faster_whisper_transwithai_windows_gfx101x_dgpu-chickenrice.zip 2.90 GiB 33895690d8af4ce9a071c60b97684ac0f1778517426ac44ce26a248ec666dfcd
faster_whisper_transwithai_windows_gfx101x_dgpu.zip 633.77 MiB fe042c7da107e3e3fb88f6593b8af3d9adf6c4ff66a5ac222ee4f47439fddc31
faster_whisper_transwithai_windows_gfx103x_dgpu-chickenrice.zip 2.92 GiB a6a58f524d3870264c11c64d67d075a6684e11117e04e8cacd270d20e501d1aa
faster_whisper_transwithai_windows_gfx103x_dgpu.zip 653.70 MiB 48294de38130c3ec0c40725632529ba9d41cb289d6e9e9ab7fa05f3ddda96622
faster_whisper_transwithai_windows_gfx110x_all-chickenrice.zip 2.97 GiB c66e81dbe1c38143ec97e1e0aa6750c228b1ebc441a9fa994ee9e5184f6c819a
faster_whisper_transwithai_windows_gfx110x_all.zip 701.11 MiB f4717c467ae0ff1a4381c7a413fa4881c8a2b37191d5aa68c5884062784a944d
faster_whisper_transwithai_windows_gfx120x_all-chickenrice.zip 3.15 GiB 43b4d2f6bc49d22c249900c3e9c20d50adc0c0cd63e16136fa746dc98d688d61
faster_whisper_transwithai_windows_gfx120x_all.zip 888.70 MiB 8fe0667d559e87b2f7cfb5bbb554d8d542bb54b3c63253b764c31077f6099e6a
placeholder.txt 70.00 B 527229ec1235d6d0ca065f12e6226d2fa8a137aff7478a7e5fc4a0d8af9a9b6b

Important

Download files from the links in the table above, instead of the assets list.

Assets 45
Loading