مراجعة faster-whisper (2026): تحويل كلام محلي مُسرَّع بـ CTranslate2

التاريخ: من طوّر faster-whisper ولماذا

ما الذي يفعله faster-whisper فعليًا

• تفريغ صوتي دفعي سريع. تحميل WhisperModel مرة واحدة واستدعاء .transcribe() على ملف صوتي للحصول على مولّد لمقاطع بطوابع زمنية ومعلومات كشف اللغة.
• كشف نشاط صوتي (VAD) مدمج. يؤدي ضبط vad_filter=True إلى تشغيل نموذج Silero VAD قبل التفريغ الصوتي لإزالة المقاطع الصامتة تلقائيًا، مما يقلل الحوسبة المهدرة والنص المتوهَّم على الصمت.
• أنواع حساب متعددة. اختيار float16 أو int8_float16 على المعالج الرسومي، أو int8 على المعالج المركزي، لمقايضة قدر بسيط من الدقة مقابل استهلاك ذاكرة أقل وسرعة أعلى.
• طوابع زمنية على مستوى الكلمة. يؤدي تمرير word_timestamps=True إلى إرجاع معلومات توقيت لكل كلمة إضافة إلى الطوابع الزمنية لكل مقطع.
• الاستدلال الدفعي. تعالج فئة BatchedInferencePipeline عدة مقاطع صوتية بالتوازي في دفعات لتحقيق إنتاجية أعلى على الملفات الأطول.
• التفريغ والترجمة متعددة اللغات. مثل نماذج Whisper الأساسية، يمكن لـ faster-whisper التفريغ باللغة الأصلية أو الترجمة مباشرةً إلى الإنجليزية عبر معامل task="translate".

تثبيت وتشغيل faster-whisper: خطوة بخطوة

1. 1
   تثبيت faster-whisper.
   Why it matters: نفّذ `pip install faster-whisper` في بيئة Python (يُنصح بإصدار Python 3.9 فأعلى). يؤدي هذا إلى تثبيت المكتبة مع اعتمادية CTranslate2 الخاصة بها؛ ولا حاجة لتثبيت منفصل لأدوات CUDA عند الاستخدام على المعالج المركزي فقط.
2. 2
   (للمعالج الرسومي فقط) تأكيد توفر CUDA وcuDNN.
   Why it matters: يتطلب تسريع المعالج الرسومي برنامج تشغيل NVIDIA يعمل وإعداد CUDA. يعتمد faster-whisper على دعم المعالج الرسومي في CTranslate2 — فإذا فشل `device="cuda"`، تحقق أولًا من أن `nvidia-smi` يتعرف على معالجك الرسومي بشكل صحيح قبل البحث عن الخلل في جانب Python.
3. 3
   تحميل نموذج.
   Why it matters: في Python، نفّذ `from faster_whisper import WhisperModel` ثم `model = WhisperModel("large-v3", device="cuda", compute_type="float16")`. استبدل `"large-v3"` بـ `"tiny"` أو `"base"` أو `"small"` أو `"medium"` للحصول على نموذج أصغر وأسرع، أو استخدم `device="cpu"` مع `compute_type="int8"` إذا لم يكن لديك معالج رسومي.
4. 4
   تفريغ ملف صوتي.
   Why it matters: نفّذ `segments, info = model.transcribe("audio.mp3", beam_size=5)`. يعيد هذا مولّدًا للمقاطع (وليس قائمة) — يجب التكرار عليه حتى يُنفَّذ التفريغ الصوتي فعليًا.
5. 5
   طباعة نص التفريغ.
   Why it matters: كرّر على المقاطع: `for segment in segments: print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))`. يحمل كل مقطع وقت بداية ووقت نهاية والنص المفرَّغ لتلك المدة.
6. 6
   (اختياري) تفعيل ترشيح VAD.
   Why it matters: مرّر `vad_filter=True` إلى `.transcribe()` لتخطي المقاطع الصامتة من الصوت تلقائيًا باستخدام نموذج Silero VAD المدمج، مما يقلل الحوسبة المهدرة في التسجيلات الطويلة ذات الاستراحات.
7. 7
   (اختياري) الحصول على طوابع زمنية على مستوى الكلمة.
   Why it matters: مرّر `word_timestamps=True` إلى `.transcribe()` للحصول على توقيت لكل كلمة إضافة إلى التوقيت لكل مقطع، وهو مفيد لإنشاء الترجمات أو تمييز الكلمات أثناء نطقها.

أمثلة استخدام حقيقية

• pywhispercpp — ملاحظة: بالنسبة لـ faster-whisper نفسه، تتوفر BatchedInferencePipeline التي تُغلِّف WhisperModel لمعالجة عدة أجزاء صوتية بالتوازي، مما يحسّن الإنتاجية على الملفات الطويلة: from faster_whisper import BatchedInferencePipeline; batched_model = BatchedInferencePipeline(model=model).
• التوافق مع distil-large-v3. يدعم faster-whisper بشكل أصلي إصدارات Whisper المُقطَّرة مثل distil-large-v3 — حمّله بنفس طريقة اسم نموذج قياسي لمقايضة قدر بسيط من الدقة مقابل استدلال أسرع بنحو 6 أضعاف.

from faster_whisper import WhisperModel

# معالج رسومي مع float16 (الأسرع، يتطلب CUDA + cuDNN)
model = WhisperModel("large-v3", device="cuda", compute_type="float16")

# معالج مركزي مع int8 (لا يتطلب معالجًا رسوميًا، أبطأ)
# model = WhisperModel("base", device="cpu", compute_type="int8")

segments, info = model.transcribe("audio.mp3", beam_size=5, vad_filter=True)

print(f"Detected language '{info.language}' with probability {info.language_probability:.2f}")

for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

# ترجمة كلام غير إنجليزي مباشرةً إلى نص إنجليزي
segments, info = model.transcribe("french-audio.mp3", task="translate")

# طوابع زمنية على مستوى الكلمة للترجمات
segments, info = model.transcribe("audio.mp3", word_timestamps=True)
for segment in segments:
    for word in segment.words:
        print("[%.2fs -> %.2fs] %s" % (word.start, word.end, word.word))

الرخصة والتكلفة

ما لا يصلح له faster-whisper

• النشر الخالي من Python أو كملف تنفيذي متعدد المنصات. faster-whisper مكتبة Python لها اعتمادية أصلية على CTranslate2 — وهي غير مصممة لتكون ملفًا تنفيذيًا واحدًا خاليًا من الاعتماديات كما هو الحال مع whisper.cpp. إذا كنت بحاجة لاستهداف Raspberry Pi أو تطبيق iOS أو صفحة WebAssembly دون بيئة Python، فإن whisper.cpp هو الخيار الأنسب.
• تسريع المعالج الرسومي على Apple Silicon. تدعم خلفية CTranslate2 في faster-whisper المعالج المركزي وNVIDIA CUDA، لكن ليس لديها أي مسار تسريع لمعالج Apple Metal الرسومي — على جهاز Mac، يعود faster-whisper إلى الاستدلال على المعالج المركزي فقط. وجد قياس أداء PromptQuorum أن whisper.cpp بتسريع Metal أسرع بشكل ملحوظ من faster-whisper على المعالج المركزي فقط في Apple Silicon.
• فصل المتحدثين ("من قال ماذا"). يقوم faster-whisper بتفريغ ما قيل، لكنه لا يفصل أو يصنّف بشكل أصلي المتحدثين المختلفين في تسجيل متعدد الأشخاص. لفصل المتحدثين، ادمج نتائج التفريغ مع أداة مخصصة، أو استخدم WhisperX، الذي يضيف فصل المتحدثين فوق تفريغات Whisper.
• إعداد بلا أي تعقيد للمستخدمين غير التقنيين. faster-whisper مكتبة Python موجهة للمطورين الذين يبنون خطوط معالجة، وليست تطبيقًا للمستخدم النهائي بواجهة رسومية. من يريد تطبيق تفريغ بنقرة واحدة ينبغي أن يبحث عن تطبيق مبني فوق faster-whisper أو whisper.cpp، أو خدمة تفريغ مستضافة بدلًا من ذلك.

بدائل faster-whisper

الأسئلة الشائعة

الخلاصة

المصادر

• faster-whisper على GitHub — المستودع الرسمي: README، وتعليمات التثبيت، والرخصة، وسجل الإصدارات.
• إصدارات faster-whisper — سجل الإصدارات، بما في ذلك v1.2.1 (31 أكتوبر 2025).
• رخصة faster-whisper — نص رخصة MIT.
• CTranslate2 على GitHub — محرك الاستدلال الذي يُبنى عليه faster-whisper.
• إعلان OpenAI عن Whisper — الإصدار الأصلي لنموذج Whisper عام 2022.

قراءات ذات صلة

• whisper.cpp مقابل faster-whisper 2026: قياسات أداء STT محلية، والإعداد، وتسريع المعالج الرسومي — المقارنة المباشرة لمن يحتار بين whisper.cpp وfaster-whisper.
• مراجعة whisper.cpp — البديل بلغة C/C++ الخالي من Python، بنفس مستوى التفصيل.
• بناء مساعد صوتي بلا اتصال بالكامل عام 2026 — ربط محرك تحويل كلام قائم على Whisper بنموذج لغة محلي وPiper TTS في خط معالجة صوتي كامل.
• مراجعة Piper TTS — النظير المحلي لتحويل النص إلى كلام، لتحويل النص المُولَّد مرة أخرى إلى صوت بلا اتصال.
• الدليل الكامل لبرمجيات نماذج اللغة المحلية — دليل أوسع لأدوات الذكاء الاصطناعي المحلية عبر جميع الفئات.