1.2 Whisper的安装与配置 | 《Whisper语音识别实战专栏》

优质文章学习记录

— 7 min read

引言

在前一篇文章中，我们了解了Whisper的基本概念、发展背景和主要特点。现在，我们将介绍Whisper的安装与配置方法，帮助您快速上手使用Whisper。

Whisper的安装相对简单，主要包括Python环境配置、Whisper库安装和FFmpeg配置三个步骤。在本文章中，我们将详细介绍每个步骤的具体操作方法，并提供常见问题的解决方案。

系统要求

在安装Whisper之前，您需要确保您的系统满足以下要求：

  • 操作系统：Windows、macOS或Linux
  • Python版本：3.8-3.11
  • PyTorch版本：支持最新版本的PyTorch
  • 硬件要求：
    • CPU：支持x86_64架构的处理器
    • GPU（可选）：支持CUDA的NVIDIA GPU（用于加速模型推理）
    • 内存：至少4GB RAM，推荐8GB以上

安装步骤

1. 配置Python环境

首先，您需要安装Python环境。如果您已经安装了Python 3.8-3.11，可以跳过这一步。

1.1 下载Python

访问Python官方网站，下载适合您操作系统的Python安装包。推荐下载Python 3.10或3.11版本，因为它们与Whisper的兼容性较好。

1.2 安装Python
  • Windows：运行下载的安装程序，勾选"Add Python to PATH"选项，然后点击"Install Now"。
  • macOS：运行下载的.pkg安装包，按照提示完成安装。

Linux：使用系统包管理器安装Python，例如：

# Ubuntu/Debiansudoapt update &&sudoaptinstall python3 python3-pip # CentOS/RHELsudo yum install python3 python3-pip
1.3 验证Python安装

安装完成后，打开命令行工具，输入以下命令验证Python是否安装成功：

python --version pip --version

如果输出Python和pip的版本信息，则说明安装成功。

2. 安装PyTorch

Whisper依赖于PyTorch框架，因此您需要安装PyTorch。访问PyTorch官方网站，根据您的操作系统和硬件配置选择合适的安装命令。

2.1 安装CPU版本的PyTorch

如果您没有GPU，或者不想使用GPU加速，可以安装CPU版本的PyTorch：

pip3 install torch torchvision torchaudio
2.2 安装GPU版本的PyTorch

如果您有支持CUDA的NVIDIA GPU，可以安装GPU版本的PyTorch以获得更好的性能：

# CUDA 12.1 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 # CUDA 11.8 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
2.3 验证PyTorch安装

安装完成后，打开Python交互式环境，输入以下命令验证PyTorch是否安装成功：

import torch print(torch.__version__)# 检查是否支持CUDAprint(torch.cuda.is_available())

如果输出PyTorch的版本信息，并且torch.cuda.is_available()返回True（如果使用GPU版本），则说明安装成功。

3. 安装Whisper

现在，您可以安装Whisper库了。Whisper提供了多种安装方式，您可以选择其中一种适合您的方式。

3.1 使用pip安装（推荐）

最简单的安装方式是使用pip安装Whisper的最新稳定版本：

pip install -U openai-whisper
3.2 从GitHub仓库安装

如果您想安装最新的开发版本，可以从GitHub仓库直接安装：

pip install git+https://github.com/openai/whisper.git
3.3 更新Whisper

如果您已经安装了Whisper，想要更新到最新版本，可以使用以下命令：

pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git

4. 配置FFmpeg

Whisper需要使用FFmpeg来处理音频文件，因此您需要安装FFmpeg并将其添加到系统PATH中。

4.1 下载FFmpeg

访问FFmpeg官方网站，下载适合您操作系统的FFmpeg安装包。

4.2 安装FFmpeg
  • Windows：
    1. 下载FFmpeg的Windows构建版本（推荐从gyan.dev下载）
    2. 解压下载的zip文件到一个目录，例如C:\ffmpeg
    3. 将FFmpeg的bin目录（例如C:\ffmpeg\bin）添加到系统PATH环境变量中

Linux：
使用系统包管理器安装FFmpeg：

# Ubuntu/Debiansudoapt update &&sudoaptinstall ffmpeg # CentOS/RHELsudo yum install ffmpeg # Arch Linuxsudo pacman -S ffmpeg

macOS：
使用Homebrew安装FFmpeg：

brew install ffmpeg
4.3 验证FFmpeg安装

安装完成后，打开命令行工具，输入以下命令验证FFmpeg是否安装成功：

ffmpeg -version

如果输出FFmpeg的版本信息，则说明安装成功。

5. 安装其他依赖（可选）

在某些情况下，您可能需要安装额外的依赖项：

5.1 Rust（可选）

如果您在安装Whisper时遇到关于tiktoken的错误，可能需要安装Rust开发环境：

  1. 访问Rust官方网站，按照提示安装Rust
  2. 重新安装Whisper

安装完成后，将Rust添加到系统PATH中：

# Linux/macOSexportPATH="$HOME/.cargo/bin:$PATH"
5.2 setuptools_rust（可选）

如果您遇到No module named 'setuptools_rust'错误，可以安装setuptools_rust：

pip install setuptools-rust

验证安装

安装完成后，您可以使用以下方法验证Whisper是否安装成功：

1. 使用命令行工具

打开命令行工具，输入以下命令：

whisper --help

如果输出Whisper的帮助信息，则说明命令行工具安装成功。

2. 使用Python API

创建一个Python脚本，例如test_whisper.py，内容如下：

import whisper # 加载tiny模型try: model = whisper.load_model("tiny")print("模型加载成功！")# 查看可用模型print("可用模型：", whisper.available_models())print("Whisper安装成功！")except Exception as e:print(f"安装失败：{e}")

运行脚本：

python test_whisper.py

如果输出"Whisper安装成功！"，则说明Python API安装成功。

常见问题解决方案

1. 安装Whisper时遇到权限问题

解决方案：使用管理员权限运行命令行工具，或者使用--user选项安装：

pip install -U openai-whisper --user

2. 模型下载失败

解决方案：

  • 检查网络连接是否正常
  • 使用代理服务器下载
  • 手动下载模型文件并放置到默认缓存目录（~/.cache/whisper）

3. FFmpeg未找到

解决方案：

  • 检查FFmpeg是否正确安装
  • 确保FFmpeg的bin目录已添加到系统PATH中
  • 重新启动命令行工具或计算机

4. CUDA相关错误

解决方案：

  • 确保安装了与PyTorch版本匹配的CUDA驱动
  • 检查GPU是否支持CUDA
  • 尝试使用CPU版本的PyTorch

5. Python版本不兼容

解决方案：

  • 安装Python 3.8-3.11版本
  • 使用虚拟环境隔离不同版本的Python

最佳实践

1. 使用虚拟环境

为了避免依赖冲突，推荐使用虚拟环境安装Whisper：

# 创建虚拟环境 python -m venv whisper-env # 激活虚拟环境# Windows whisper-env\Scripts\activate # Linux/macOSsource whisper-env/bin/activate # 在虚拟环境中安装Whisper pip install -U openai-whisper

2. 选择合适的模型

根据您的硬件配置和需求选择合适的模型：

  • 如果您的设备内存较小（<4GB），推荐使用tiny或base模型
  • 如果您需要更好的识别准确率，推荐使用medium或large模型
  • 如果您需要更快的转录速度，推荐使用turbo模型

3. 定期更新Whisper

Whisper的开发者会定期更新模型和代码，修复bug并添加新功能。建议您定期更新Whisper：

pip install -U openai-whisper

总结

在本文章中，我们详细介绍了Whisper的安装与配置方法，包括：

  1. 配置Python环境
  2. 安装PyTorch
  3. 安装Whisper库
  4. 配置FFmpeg
  5. 安装其他依赖（可选）
  6. 验证安装

我们还提供了常见问题的解决方案和最佳实践建议，帮助您顺利安装和使用Whisper。

在下一篇文章中，我们将介绍Whisper的基本使用方法，包括命令行工具和Python API的使用，帮助您快速上手Whisper语音识别。

思考问题：

  1. 为什么推荐使用虚拟环境安装Whisper？
  2. 如何根据自己的硬件配置选择合适的Whisper模型？
  3. 如果遇到模型下载失败，应该如何解决？

扩展阅读：

Read more

2026 最新版｜学生认证白嫖 GitHub Copilot Pro 保姆级教程

2026 最新版｜学生认证白嫖 GitHub Copilot Pro 保姆级教程

2026 最新版｜学生认证白嫖 GitHub Copilot Pro 保姆级教程 作为编程党，谁能拒绝免费的 Copilot Pro？每月省 10 $，解锁无限制代码补全、Anthropic Claude Sonnet 4, GPT-5, Gemini 2.5 Pro等高级模型、每月 300 次 Premium 请求，学生身份认证就能直接白嫖，全程零成本，亲测 2026 年有效！这篇教程把所有步骤、避坑点都捋清楚了，跟着做一遍过，再也不用受免费版额度的气！ 前言 先说说为什么一定要冲 Copilot Pro：免费版每月只有 2000 次代码补全 + 50 次聊天请求，写代码刚进入状态就提示额度用完，体验感拉胯；而 Pro
AIGC与现代教育技术

AIGC与现代教育技术

目录 引言 一、AIGC在教育技术中的基本概念 1.1 什么是AIGC？ 1.2 传统教育技术和AIGC的对比 二、实现过程：AIGC在现代教育中的实现 2.1 自动生成课件内容 2.1.1 代码示例：使用GPT生成教学文案 2.1.2 完善自动生成资料 2.1.3 多模态内容生成 2.2 数据高效分析和自动提供学习计划 2.2.1 数据学习分析 2.2.2 自动生成学习计划 三、应用场景 3.1 K12教育 示例：自动生成数学题目 3.2 高等教育

AI绘画提示词引导系数设置指南：从原理到实践

快速体验 在开始今天关于 AI绘画提示词引导系数设置指南：从原理到实践 的探讨之前，我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来，但作为开发者，如何将大模型（LLM）真正落地为一个低延迟、可交互的实时系统，而不仅仅是调个 API？ 这里有一个非常硬核的动手实验：基于火山引擎豆包大模型，从零搭建一个实时语音通话应用。它不是简单的问答，而是需要你亲手打通 ASR（语音识别）→ LLM（大脑思考）→ TTS（语音合成）的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说，这是个绝佳的练手项目。 从0到1构建生产级别应用，脱离Demo，点击打开 从0打造个人豆包实时通话AI动手实验 AI绘画提示词引导系数设置指南：从原理到实践 刚接触AI绘画时，我经常遇到这样的问题：明明输入了详细的提示词，生成的图片却总是不尽如人意。后来才发现，原来提示词引导系数（CFG Scale）的设置对最终效果影响巨大。今天就来分享下这个关键参数的设置心得。
大模型本地部署神器：llama.cpp使用介绍

大模型本地部署神器：llama.cpp使用介绍

介绍llama.cpp 本节主要介绍什么是llama.cpp，以及llama.cpp、llama、ollama的区别。同时说明一下GGUF这种模型文件格式。 什么是llama.cpp llama.cpp是一个由Georgi Gerganov开发的高性能C++库，主要目标是在各种硬件上（本地和云端）以最少的设置和最先进的性能实现大型语言模型推理。 主要特点： * 纯C/C++实现，没有任何依赖 * 对Apple Silicon（如M1/M2/M3芯片）提供一流支持 - 通过ARM NEON、Accelerate和Metal框架优化 * 支持x86架构的AVX、AVX2、AVX512和AMX指令集 * 支持1.5位、2位、3位、4位、5位、6位和8位整数量化，实现更快的推理和更低的内存使用 * 为NVIDIA GPU提供自定义CUDA内核（通过HIP支持AMD GPU，通过MUSA支持摩尔线程MTT GPU）