faster-whisper: rask tale-til-tekst i Python
faster-whisper er en åpen og raskere utgave av Whisper-modellen for tale til tekst. Den kjører på egen maskin, med eller uten skjermkort.
Hva er faster-whisper?
faster-whisper er en ny implementasjon av OpenAIs talemodell Whisper. Den bruker CTranslate2, en rask motor for å kjøre transformer-modeller. Ifølge README er den opptil fire ganger raskere enn den opprinnelige Whisper-koden med samme nøyaktighet, og bruker mindre minne. Den kan kjøre på vanlig prosessor eller på et NVIDIA-skjermkort.
Biblioteket installeres med pip install faster-whisper. FFmpeg trenger ikke installeres separat. Det finnes også tidsstempler per ord og et filter som hopper over stillhet.
Vi har tidligere skrevet om whisper.cpp, som løser samme oppgave i C/C++. faster-whisper passer når resten av løsningen er skrevet i Python.
Hva kan norske bedrifter bruke det til?
Noen forslag til bruk:
- Lage tekst av interne møteopptak eller intervjuer uten å sende lyden til en skytjeneste.
- Lage teksting til opplæringsvideoer.
- Gjøre lydarkiv søkbare.
For norsk kan det være verdt å teste NB-Whisper fra Nasjonalbiblioteket. README beskriver et skript som gjør Whisper-modeller fra Transformers om til formatet faster-whisper bruker. Vi har ikke testet akkurat den kombinasjonen selv, så sjekk resultatet før dere stoler på det. Opptak av personer er personopplysninger, så avklar samtykke og lagring først.
Slik kommer du i gang
- Installer Python 3.9 eller nyere og kjør
pip install faster-whisper. - Velg modellstørrelse. Mindre modeller går fortere, større gir ofte bedre tekst.
- På maskiner uten skjermkort kan du bruke
device="cpu"ogcompute_type="int8", slik README viser. - Transkriber et kort testopptak uten sensitivt innhold og les teksten nøye.
- Mål tid og kvalitet på noen typiske opptak før dere bygger det inn i en arbeidsflyt.
Lisens
faster-whisper er utgitt under MIT-lisensen, slik LICENSE-fila viser. Det er en OSI-godkjent åpen kildekodelisens. Modellene som lastes ned, har egne vilkår, og de må vurderes hver for seg.
Hvorfor vi skriver om det
Tale til tekst på egen maskin er et konkret og nyttig KI-verktøy for mange norske bedrifter, og faster-whisper er en av de mest brukte byggesteinene. TikTok-kanaler som @milesreevesai, @replace.so og @ai.with.andrew er inspirasjon for temavalget, men vi har ikke verifisert et konkret innlegg om faster-whisper. TikTok kan ikke leses direkte, så opplysningene bygger på prosjektets egne kilder.
Lenker
Kilder
- Offisiell side
- Kildekode og README
- Prosjektets lisensfil
- NB-Whisper fra Nasjonalbiblioteket (Hugging Face)
Opplysningene er hentet fra kildene over 30. oktober 2026. Lisens, funksjoner og installasjon kan ha endret seg siden.