faster-whisper

O que é

O faster-whisper é uma nova implementação do Whisper, o modelo da OpenAI que transforma fala em texto. Em vez de um aplicativo com botões, ele é uma biblioteca, ou seja, um pedaço de programa que outros programas usam. Ele usa um motor chamado CTranslate2 para rodar o modelo de forma mais eficiente.

Pense num motor de carro: você não dirige o motor sozinho, mas ele está dentro de vários carros diferentes. Muitos apps de transcrição usam o faster-whisper por dentro.

Como funciona

Você instala o Python e depois instala a biblioteca com um comando. Em seguida, escreve ou copia um pequeno programa que aponta para o arquivo de áudio. O programa carrega o modelo Whisper, ouve o áudio e devolve o texto, com marcações de tempo.

Segundo o projeto, ele é até 4 vezes mais rápido que a versão original da OpenAI com a mesma precisão, usando menos memória. A eficiência pode melhorar ainda mais com uma técnica de compactação chamada quantização em 8 bits.

Principais recursos

O principal recurso é a velocidade com menor uso de memória, tanto no processador quanto na placa de vídeo. Ele devolve o texto com o tempo de cada trecho, útil para legendas. A biblioteca suporta os vários tamanhos do Whisper, dos menores aos maiores.

O projeto publica comparações de tempo e memória com outras implementações. Para os detalhes técnicos e opções, confira o README no GitHub.

Pra quem é (e pra quem não é)

O faster-whisper é para programadores e equipes técnicas que querem incluir transcrição em seus próprios sistemas. O catálogo do IAlfabeto dá nota 4 de facilidade, numa escala em que 5 é o mais difícil. Segundo o catálogo, funciona no processador, e uma placa NVIDIA acelera bastante.

Para quem não programa, o melhor é usar um aplicativo pronto de transcrição. Muitos deles já usam o faster-whisper por dentro, então você aproveita a mesma tecnologia com botões.

Quanto custa

Segundo o catálogo do IAlfabeto, o faster-whisper é gratuito e de código aberto: você pode baixar e usar sem pagar licença.

O custo real fica por conta do equipamento. Rodar IA no próprio computador exige memória e, muitas vezes, uma boa placa de vídeo, além de aumentar o consumo de energia. Transcrever muitas horas de áudio deixa o computador trabalhando por bastante tempo.

Dicas para usar melhor

Comece com o exemplo curto do README antes de criar algo mais elaborado. Teste tamanhos diferentes do modelo: os menores são mais rápidos e os maiores erram menos. Informe o idioma do áudio quando souber, para evitar confusão.

Áudios limpos, sem barulho de fundo, dão resultados bem melhores. Revise sempre nomes próprios, números e termos técnicos na transcrição.

Cuidados e privacidade

Feita para programadores; muitos apps de transcrição já usam ela por dentro. Como roda no seu computador, o áudio não precisa ser enviado para a internet, o que é bom para reuniões e ligações sigilosas. Mesmo assim, avise as pessoas quando for gravar e transcrever conversas.

A transcrição pode errar palavras, nomes e valores. Confira os trechos importantes antes de usar o texto como registro oficial.