WhisperX

WhisperX 在 OpenAI Whisper 基础上补上两块能力：基于 wav2vec2 的强制对齐，把转录结果精确到词级时间戳（解决 Whisper 时间戳漂移问题）；集成说话人分离，按发言者分段输出。
转录结果可直接用于字幕生成（SRT/VTT）与语音索引，配合 faster-whisper 使用可获得更高吞吐。
适合场景：字幕生产、会议转写与角色标注、音视频内容检索。
上手方式：pip install whisperx 后几行代码完成对齐与说话人分离。