Faster Whisper nedir? Whisper'dan farkı, kurulum, Docker, GPU gereksinimi, Türkçe ve lisans

Faster Whisper'ı Python ile kurar, ses dosyanı verip yazıya dökülmüş metni alırsın. OpenAI'nin Whisper modelini daha hızlı çalıştıran, SYSTRAN'ın açık kaynak Python kütüphanesi; README'ye göre aynı doğrulukta Whisper'dan 4 kata kadar hızlı ve daha az bellek kullanır, işlemcide de çalışır. Yazılım ücretsiz (MIT), bilgisayar ve bakım sende. Pencereli arayüzü yok; Python ile kullanılır ya da başkalarının yazdığı arayüzlere bakarsın. Türkçe için ayrı ölçüm yok; model Whisper'ınkidir.

Ne yapar: Ses kaydını Whisper'dan hızlı yazıya döker
Hız: Whisper'dan 4 kata kadar (README)
Arayüz: Yok; Python kütüphanesi
Gerekenler: Python 3.9+, FFmpeg gerekmez
Son sürüm: v1.2.1 (31 Ekim 2025)
Ücretsiz mi: Evet, MIT lisansı
Fiyat: Yazılım 0 $ · bilgisayar sende

Faster Whisper ne işe yarar? Kodsuz kullanabilir miyim?

Faster Whisper, ses kaydını yazıya çeviren Whisper modelini daha az bekleyerek ve daha az bellekle çalıştıran bir Python kütüphanesi (kod paketi). Yazıya dökme motoru olarak CTranslate2 adlı hızlı bir çıkarım motorunu kullanır. Model Whisper'ın aynısıdır; hız farkı çalıştırma yönteminden gelir.

Ses kaydını Python ile yazıya dökmekNe alırsın: Segment listesi (başlangıç, bitiş, metin)Ayrı kurulum gerekir Whisper'dan daha hızlı ve hafif çalıştırmakNe alırsın: Aynı çıktı, kısa süredeAyrı kurulum gerekir Kelime zamanı ve sessizlik süzgeciNe alırsın: Kelime başına başlangıç ve bitiş saniyesiAyrı kurulum gerekir

Kime yarar: toplantı, podcast ya da video kayıtlarını yazıya dökecek yazılımcılara ve sunucu kuracak teknik ekiplere. Çok kayıt işleyeceksen, yani hız sana önemliyse anlamlıdır. Tek bir kaydı arada dökeceksen Whisper ya da hazır bir hizmet daha az uğraştırır.

Kodsuz kullanabilir miyim?

Faster Whisper'ın kendisinin arayüzü yok. README, onu kullanan başkalarının projelerini listeliyor: aTrain (pencereli arayüz, Windows Store ve Linux), Faster-Whisper-Transcriber (basit arayüz), whisper-standalone-win (bağımsız komut satırı programı) ve OpenAI uyumlu sunucular (speaches, Whisper-FastAPI). Bunlar SYSTRAN'ın değil; kurulumlarını ve güvenliğini ayrıca denetlemen gerekir.

Neye yaramaz

Konuşmacıları ayırmaz. README bu iş için WhisperX ve whisper-diarize gibi başka projeleri gösteriyor. Ses üretmez, sadece yazıya döker.

Kaynak: faster-whisper README (Community integrations bölümü dahil), 15.10.2026. Topluluk projeleri için yalnız README'deki tanımlar aktarıldı.

Faster Whisper nasıl kurulur? GPU, Docker ve donanım

Kurulum tek komuttur ama ekran kartı kullanacaksan NVIDIA kütüphanelerini ayrıca kurman gerekir. FFmpeg kurman gerekmez: ses dosyası kütüphaneyle gelen PyAV paketiyle çözülür (Whisper'dan fark).

Python 3.9 ya da üstü ile› pip install faster-whisper

PyPI'daki son sürüm 1.2.1 (31 Ekim 2025). Model dosyaları ilk çalıştırmada Hugging Face Hub'dan otomatik iner; ilk kullanım için internet gerekir. Klasörü download_root ile, internetsiz kullanımı local_files_only=True ile seçersin.

Depodaki en yeni kodu kurmak (sürümden sonraki değişiklikler dahil)

› pip install --force-reinstall "faster-whisper @ https://github.com/SYSTRAN/faster-whisper/archive/refs/heads/master.tar.gz"

GPU'da çalıştırmak için iki NVIDIA kütüphanesi gerekir: cuBLAS (CUDA 12) ve cuDNN 9 (CUDA 12). ctranslate2'nin son sürümleri yalnız CUDA 12 ve cuDNN 9 destekler. Eski CUDA 11 ya da cuDNN 8 ile kalmak istersen README ctranslate2 sürümünü düşürmeyi öneriyor.

CUDA 11 + cuDNN 8 için ctranslate2 3.24.0, CUDA 12 + cuDNN 8 için ctranslate2 4.4.0 sürümüne düşür.
Önerilen kurulum yolu NVIDIA'nın kendi belgesindeki yoldur.
Linux'ta pip ile: nvidia-cublas-cu12 ve nvidia-cudnn-cu12 paketlerini kurup LD_LIBRARY_PATH ayarlarsın.
Windows ve Linux için üçüncü taraf Purfview'un kütüphane arşivi README'de anılıyor.

Linux, pip ile NVIDIA kütüphaneleri (README)› pip install nvidia-cublas-cu12 nvidia-cudnn-cu12==9.*

README işletim sistemi listesi vermiyor. macOS, AMD ekran kartı ve Apple silikon için bir şey yazmıyor; bu yüzden çalışıp çalışmadığı resmî kaynakta net değil.

README Docker için adım listesi vermiyor; GPU kütüphaneleri hazır gelsin diye NVIDIA'nın şu imajını gösteriyor:

README'deki NVIDIA CUDA imajı› nvidia/cuda:12.3.2-cudnn9-runtime-ubuntu22.04

Depoda ayrıca docker klasörü (bir Dockerfile ve örnek betik) var. Hazır bir web sunucusu (OpenAI uyumlu API) istiyorsan README'nin listelediği speaches ve Whisper-FastAPI gibi topluluk projelerine bakabilirsin; bunlar SYSTRAN'ın değildir.

Hangi donanım?

README model boyutuna göre gereken belleği listelemiyor. Tek ölçüm: large-v2 modeli, 8 GB'lık RTX 3070 Ti, 13 dakikalık ses; fp16 ile 4525 MB, int8 ile 2926 MB ekran kartı belleği.
İşlemcide (CPU) de çalışır: device="cpu", compute_type="int8". Ölçüm: i7-12700K, small model, int8, 13 dakikalık ses 1 dakika 42 saniye ve 1477 MB bellek.
Kendi bilgisayarınla ya da kiralık sunucuyla ne kadar süreceği donanıma bağlı; sunucu tutarı resmî kaynakta yok.

Kaynaklar: faster-whisper README (Requirements, GPU, Installation, Benchmark), PyPI ve GitHub sürümleri, 15.10.2026. Ölçümler README'deki v1.1.0 sürümü içindir.

Faster Whisper nasıl kullanılır? Python örneği, modeller ve altyazı

Faster Whisper komut değil Python kodu ile kullanılır. Bir dosya açıp aşağıdaki örneği çalıştırman yeterli. Dil kodunu vermezsen dili kendisi bulur.

Python 3.9+ kur ve pip install faster-whisper komutunu çalıştır.
Aşağıdaki örneği bir .py dosyasına yapıştır; kayit.mp3 yerine kendi dosyanın adını yaz.
Çalıştır. İlk seferde model indirilir, bu yüzden uzun sürer.
Çıktıyı dinleyerek kontrol et; yazı yanlış olabilir.

İşlemcide, Türkçe ses dosyası (README örneğinin uyarlaması)

› from faster_whisper import WhisperModel

model = WhisperModel("small", device="cpu", compute_type="int8")
segments, info = model.transcribe("kayit.mp3", beam_size=5, language="tr")

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

NVIDIA ekran kartında (README örneği)› model = WhisperModel("large-v3", device="cuda", compute_type="float16")

segments bir üreteç: yazıya dökme ancak üzerinde döngü kurunca ya da list(segments) deyince çalışır. Döngü kurmazsan program hemen biter ve hiçbir şey olmamış gibi görünür.

Kelime kelime zaman damgası

› segments, _ = model.transcribe("kayit.mp3", word_timestamps=True)
for segment in segments:
    for word in segment.words:
        print("[%.2fs -> %.2fs] %s" % (word.start, word.end, word.word))

Sessiz bölümleri süz (Silero VAD, varsayılan yalnız 2 sn'den uzun sessizlik)› segments, _ = model.transcribe("kayit.mp3", vad_filter=True)

Toplu yazıya dökme (README örneği)

› from faster_whisper import WhisperModel, BatchedInferencePipeline

model = WhisperModel("turbo", device="cuda", compute_type="float16")
batched_model = BatchedInferencePipeline(model=model)
segments, info = batched_model.transcribe("audio.mp3", batch_size=16)

Hangi model adları var?

Kaynak kodundaki hazır adlar: tiny, base, small, medium, large-v1, large-v2, large-v3 (large adı buna gider), turbo (large-v3-turbo), distil-large-v2, distil-large-v3 ve distil-large-v3.5; tiny, base, small, medium için yalnız İngilizce .en sürümleri de var. Model adı yazınca otomatik inen CTranslate2 sürümü kullanılır.

Kendi modelin

ct2-transformers-converter aracıyla Hugging Face Transformers uyumlu bir Whisper modelini (kendi ince ayarlın dahil) çevirip klasör adıyla yüklersin.

Kaynak: faster-whisper README (Usage, Batched Transcription, Word-level timestamps, VAD filter, Model conversion) ve faster_whisper/utils.py, 15.10.2026. Türkçe örnek README'deki language parametresinin uyarlamasıdır; README Türkçe örneği vermiyor.

Faster Whisper ücretsiz mi? Maliyet ve güncelleme

Kısa cevap: yazılım ücretsiz, çalıştıracağın makine ücretsiz değil. Kod MIT lisanslı; indirmek, kullanmak, ticari işte kullanmak ücretsiz. Ama bilgisayarı, ekran kartını, elektriği ve kurulumun bakımını sen karşılarsın; yeni sürüm çıkınca güncellemek de senin işin. Üyelik, plan ya da API ücreti yok.

Güncel sürüm

GitHub'da son sürüm v1.2.1 (31 Ekim 2025; Silero VAD 6'ya yükseltme ve düzeltmeler). Depoya son kod itme 13 Ekim 2026; yani proje canlı ama son sürümden sonraki değişiklikler yalnız master dalı kurulumuyla gelir.

Güvenlik kaydı

GitHub'da yayımlanmış güvenlik bildirimi bulunmuyor ve depoda SECURITY.md yok (15.10.2026). Bu "güvenli" demek değildir; yalnız kayıtlı uyarı görünmüyor.

Açık hatalar

GitHub'da 7 açık sorun var. Örnekler: çok dilli sesde metnin çevrilmiş gibi çıkması (#1476), toplu modda çok uzun segmentler (#1396). Kullanıcıların bildirdiği sorunlar, resmî doğrulama yok.

Kaynak: faster-whisper LICENSE, GitHub sürümleri ve issues, PyPI, 15.10.2026. Sunucu ya da elektrik maliyeti resmî kaynakta yok, tahmin yazılmadı.

Faster Whisper lisansı, verisi ve Türkçe desteği

Yapabilirsin

Yazıya döktüğün metni işinde kullanmak
Kütüphaneyi kendi ürününe ya da hizmetine koymak, ticari kullanım dahil
Kodu değiştirmek ve dağıtmak

Yasak

Lisans metnini ve SYSTRAN telif bildirimini kaldırmak
Garanti beklemek: yazılım "olduğu gibi" verilir

Türkçe konuşmayı yazıya dökmeÖlçüm yok	README dil listesi vermiyor ve Türkçe'den söz etmiyor. Hugging Face'teki large-v3 model kartı "tr" etiketini taşıyor ve language parametresi dil kodu (ör. tr) alıyor. Faster Whisper için Türkçe doğruluk ölçümü yok; Whisper rehberindeki large-v3 Türkçe ölçümü modele ait.
Dil tanımaVar	Dil verilmezse model kayıttan dili bulmaya çalışır; algılanan dil ve olasılığı info alanında döner (README örneği).
Türkçe arayüzYok	Arayüz yok: Python kütüphanesi.
Konuşmacı ayırmaYok	Yerleşik değil; README WhisperX ve whisper-diarize gibi topluluk projelerini listeliyor.

Lisans

Kod MIT lisanslı (telif: SYSTRAN, 2023). Systran/faster-whisper-large-v3 model kartı da MIT. Başka modellerin (distil, turbo gibi) lisansı kendi model kartlarında yazar; kullanmadan önce kontrol et.

Verin nereye gidiyor?

Yerel çalışır: ses dosyan makinende kalır. Ağ kullanımı olarak README yalnız modelin Hugging Face Hub'dan indirilmesini anlatıyor. Gizlilik beyanı yok çünkü bir hizmet değil kütüphane; üzerine kurulan topluluk sunucuları ve arayüzler ayrıca değerlendirilmeli. Bu hukuki görüş değildir.

Kaynak: faster-whisper README ve LICENSE, kaynak kod (transcribe.py), Hugging Face model API'si, 15.10.2026.

Faster Whisper mı, Whisper mı, whisper.cpp mi?

Üçü de Whisper modelini çalıştırır; fark çalıştırma yöntemi. Aşağıdaki sayılar faster-whisper README'sindeki ölçüm tablolarından (13 dakikalık ses, beam size 5). Yani bağımsız bir test değil, faster-whisper ekibinin kendi ölçümü.

	openai/whisper	whisper.cpp	faster-whisper
GPU (large-v2, fp16)	2 dk 23 sn · 4708 MB	1 dk 05 sn · 4127 MB	1 dk 03 sn · 4525 MB; batch_size=8: 17 sn · 6090 MB
İşlemci (small, fp32)	6 dk 58 sn · 2335 MB	2 dk 05 sn · 1049 MB	2 dk 37 sn · 2257 MB; batch_size=8: 1 dk 06 sn · 4230 MB
FFmpeg gerekir mi	Evet (Whisper rehberi)	Bu kaynaklarda yazmıyor	Hayır (PyAV paketle gelir)

Whisper rehberini aç (Türkçe doğruluk, API fiyatı, modeller)

Hızı karşılaştırırken aynı ayarı kullan: README, openai/whisper'ın varsayılan beam size değerinin 1, faster-whisper'ın 5 olduğunu ve iş parçacığı sayısının eşit olması gerektiğini söylüyor. Tablodaki işlemci satırında whisper.cpp tek seferlik faster-whisper'dan hızlı; "4 kata kadar" en çok toplu GPU satırında görünüyor.

Kaynak: faster-whisper README Benchmark ve "Comparing performance against other implementations" bölümleri, 15.10.2026. Tablo v1.1.0 sürümüyle ölçülmüş; RTX 3070 Ti 8 GB ve i7-12700K.

Sık sorulan sorular

Faster Whisper ile Whisper arasındaki fark nedir?

Aynı Whisper modelini çalıştırırlar. Faster Whisper onu CTranslate2 motoruyla yeniden uygular ve README'ye göre aynı doğrulukta 4 kata kadar hızlı çalışır, daha az bellek kullanır. Ayrıca FFmpeg kurulumu istemez.

Faster Whisper Docker ile çalışır mı?

README Docker adımı vermiyor; GPU kütüphaneleri için NVIDIA'nın nvidia/cuda:12.3.2-cudnn9-runtime-ubuntu22.04 imajını gösteriyor. Depoda bir docker klasörü de var. Hazır sunucu için README, başkalarının yazdığı speaches ve Whisper-FastAPI projelerini listeliyor.

Faster Whisper hangi modelleri kullanır?

tiny, base, small, medium, large-v1/v2/v3, turbo (large-v3-turbo) ve distil-large sürümleri hazır adlarla gelir. İlk çalıştırmada model Hugging Face'ten iner. Kendi modelini de çevirip yükleyebilirsin.

Faster Whisper nasıl kurulur?

Python 3.9 ya da üstünde pip install faster-whisper yazarsın. İşlemcide hemen çalışır. NVIDIA ekran kartı kullanacaksan CUDA 12 için cuBLAS ve cuDNN 9 kütüphanelerini ayrıca kurmalısın.

Faster Whisper XXL ya da arayüzlü sürümü var mı?

Resmî SYSTRAN deposunda XXL adlı bir sürüm yok. README, Windows'ta bağımsız çalıştırılabilir dosya sunan whisper-standalone-win ve pencereli aTrain gibi başkalarının projelerini listeliyor; XXL'in bunlarla ilgisi bu kaynaklarda yazılı değil.

Faster Whisper Türkçe destekliyor mu?

Model Whisper'ın modeli; Hugging Face kartı Türkçe (tr) etiketini taşıyor ve dil kodunu elle verebilirsin. Faster Whisper için ayrı Türkçe doğruluk ölçümü yok. Çıktıyı dinleyerek kontrol et.

Faster Whisper ücretsiz mi, ticari kullanılır mı?

Evet, kod MIT lisanslı: ücretsiz ve ticari kullanım serbest. Lisans ve telif notunu korumalısın. Bilgisayar ve bakım maliyeti sende.

İlgili rehberler

Whisper WhisperX MoneyPrinterTurbo

Azure AI Speech

CapCut

Chatterbox

Kaynaklar

Resmî kaynaklarda net olmayanlar: Türkçe doğruluk ölçümü (faster-whisper için yok) · Windows, macOS, AMD ve Apple silikon desteği (README yazmıyor) · model boyutuna göre gereken bellek (README yalnız iki ölçüm veriyor) · topluluk projelerinin kurulumu ve güvenliği · turbo ve distil modellerinin lisansı · Docker klasörünün içeriği. Her biri ilgili bölümde ne yapabileceğinle birlikte yazılı.