Docker 中安裝並執行 Whisper

 Docker 中安裝並執行 Whisper，有兩種常見方式：

1. 使用現成的 Docker 映像（如 onerahmet/openai-whisper-asr-webservice 或 manzolo/openai-whisper-docker）。
2. 自行撰寫 Dockerfile，安裝 Python、PyTorch、FFmpeg，再安裝 Whisper。

---

方法一：使用現成映像（最快）

這是最簡單的方式，直接拉取並執行：

# 拉取映像
docker pull onerahmet/openai-whisper-asr-webservice:latest

# 啟動容器，開放 9000 port
docker run -d -p 9000:9000 -e ASR_MODEL=base onerahmet/openai-whisper-asr-webservice:latest

• 啟動後，瀏覽器打開 http://localhost:9000 就能看到 WebUI。
• 支援上傳音訊/影片檔，輸出文字或偵測語言。
• ASR_MODEL 可選 tiny、base、small、medium、large，模型越大精度越高但速度越慢 Github。

---

方法二：自行撰寫 Dockerfile

如果你要更靈活的控制（例如整合 Fast Whisper 或 GPU 加速），可以自己建 Dockerfile：

FROM ubuntu:22.04

# 安裝必要套件
RUN apt-get update && apt-get install -y \
    python3 python3-pip ffmpeg git

# 安裝 PyTorch (CPU 或 GPU 版本)
RUN pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu

# 安裝 Whisper
RUN pip3 install git+https://github.com/openai/whisper.git

# 預設工作目錄
WORKDIR /app

# 預設執行範例
CMD ["whisper", "sample.mp3", "--model", "base"]

建置與執行：

docker build -t whisper .
docker run --rm -v $(pwd):/app whisper

---

注意事項

• GPU 加速：需使用 nvidia/cuda 基底映像，並加上 --gpus all 參數。
• Fast Whisper：建議用 ctranslate2 優化版，速度比原版快 4~10 倍。
• 匯出格式：Whisper CLI 支援 --output_format txt 或 srt，可直接生成字幕檔。

---

建議工作流

• 快速測試 → 用 onerahmet/openai-whisper-asr-webservice，直接跑 WebUI。
• 正式批次轉檔 → 自行 Dockerfile + Fast Whisper，整合成 MP4 → SRT 自動化流程。

---

Sources: GitHub openai-whisper-docker Github, 知乎 Whisper Docker 部署教學

---