systran/faster-whisper v1.2.1 は CTranslate2 を使用して OpenAI Whisper モデルを再実装した音声認識ライブラリだ。GitHub リポジトリ基準の最新リリースは v1.2.1 で、Python パッケージとして配布される。今回のリリースで変更された内容については提供された情報にないため、具体的な修正点は確認できない。
このプロジェクトは Whisper モデルによる音声の文字起こしを CTranslate2 ベースで処理する。リポジトリの説明では、大きなバッチ処理と 8 ビット演算に対応しているとする。MIT ライセンスで公開されている。README は同じ精度条件のもとで、元の Whisper より最大 4 倍速く、メモリ使用量も削減できると主張し、量子化によって効率をさらに高められると説明する。性能表には、モデルと精度、バッチサイズ、試験環境ごとの処理時間とメモリ使用量が示されている。
この性能は README に記載された条件別の結果とリポジトリの主張として見るべきであり、別の機器や設定でも同じ結果が保証されるわけではない。GPU の利用には別途 NVIDIA ライブラリが必要だと案内している。音声処理には PyAV を使うため、システムへの FFmpeg のインストールは必須ではない。したがって、速度とメモリの利点は実際のデプロイ環境のモデル、精度、バッチ設定を照合して判断する必要がある。