faster-whisper 产出验收：5 个维度打分法
先说清楚它是什么：faster-whisper 属于「音频与语音」方向的开源项目，基于 CTranslate2 加速的 Whisper 推理实现。
用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。
评分表（每项 1 到 5 分）
| 维度 | 看什么 | 1 分 | 5 分 |
|---|---|---|---|
| 清晰度 | 语音是否清楚、无明显杂音 | 明显不合格 | 无需修改即可使用 |
| 准确性 | 转写或朗读是否与文本一致 | 明显不合格 | 无需修改即可使用 |
| 自然度 | 停顿、语调是否像真人 | 明显不合格 | 无需修改即可使用 |
| 一致性 | 多段音频音量与音色是否统一 | 明显不合格 | 无需修改即可使用 |
| 授权 | 音色、音乐是否有合法使用依据 | 明显不合格 | 无需修改即可使用 |
建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。
用一个任务试打分
播客后期
输入：一期双人录制的原始音频。
处理这期音频：降低底噪、统一两人音量、删除超过 2 秒的停顿，保留自然的语气词，输出前后对比的处理记录。
验收标准：人声没有被处理得发闷。
怎么让评分更可靠
- 同一批材料至少测 5 次，不只看最好的一次。
- 两人分别打分，分歧大的维度再讨论标准。
- 把 faster-whisper 的结果与人工完成或 WhisperX 的结果放在一起盲评。
- 每次改提示词后用同一批材料复测。
补充练习
会议录音转写
适用情况：手头有一段 1 小时的会议录音时。
转写这段录音并区分发言人，生成要点摘要和待办清单，人名和专有名词按我提供的名单校正：【名单】。
检查点：专有名词按名单校正。
课程旁白配音
适用情况：手头有一份 800 字的讲解稿时。
把这份讲稿改成适合朗读的口播版本：句子不超过 20 字，数字改成口语读法，标出需要停顿和重读的地方。
检查点：数字读法不会产生歧义。
短视频配乐
适用情况：手头有一条 30 秒视频的情绪与节奏时。
生成一段 30 秒的背景音乐：轻快、温暖、无人声，前 5 秒渐入，结尾干净收尾，适合生活类短视频。
交付前确认：结尾没有突然截断。
常见问题：配乐与画面情绪不符
先写清情绪关键词和节奏，再分段生成拼接。
常见问题：降噪后声音发闷
降低处理强度，宁可保留少量底噪。
常见问题：转写错字集中在专有名词
提前提供人名、产品名词表，转写后批量替换。
概念补充：声音克隆
用少量样本复制某人的音色，必须取得本人授权。
概念补充：响度标准化
把音频调整到平台推荐的响度范围，避免忽大忽小。
适合人群：记者编辑
记者编辑可以用 faster-whisper 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。
适合人群：视频剪辑师
视频剪辑师可以用 faster-whisper 处理粗剪与选段、字幕与调色等工作。需要注意：确认音乐和素材授权，客户素材不随意上传公共平台。
写在最后
涉及个人信息、商业机密或受监管数据时，先确认 faster-whisper 的数据处理条款，再决定能否使用。
本文基于 faster-whisper 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。