openai / whisper

這是一個 Python repository：平台 metadata 記錄的主要語言是 Python，有 160526 個 Python 語言位元組。

GitHub 的描述寫著「Robust Speech Recognition via Large-Scale Weak Supervision」（透過大規模弱監督做到穩健的語音辨識）：這是作者自己的用語，不是分析出的事實。

它採用 MIT 授權；記錄到的最新 release 是 v20250625（2025-06-26 發布），metadata 快照算到 109056 個 star。

程式碼放在頂層的 whisper 套件目錄，旁邊是 tests 目錄；分析器的摘要回報分析了 45 個檔案，其中 18 個在 whisper 底下。

偵測到的唯一腳本進入點在 whisper/transcribe.py：

if __name__ == "__main__":
    cli()

靜態的核心流程很短：cli()（第 517-619 行）透過一連串 parser.add_argument 呼叫建立 argparse 解析器，並檢查 torch.cuda.is_available。

從 __main__ 出發的六條有界執行路徑，全都停在這些外部或未解析的邊界，所以除了設定參數之外，什麼也沒有追蹤到。

角色分析把 whisper/transcribe.py 標為 entry/orchestration 候選（3 個呼入、18 個靜態呼出）。

• 關係總數：1388 條靜態邊：1207 個呼叫、181 個 import；155 條在本地解析，1233 條是外部或未解析。
• whisper/model.py：22 個呼入／20 個呼出，是連結最多的模組，被標為 service/core 候選。
• whisper/timing.py（16/9）、whisper/utils.py（14/2）、whisper/tokenizer.py（12/2）、whisper/decoding.py（11/13）、whisper/audio.py（8/5）：也都是 service/core 候選。
• whisper/__init__.py（3/4）和 whisper/normalizers/english.py（3/3）是較小的 service/core 候選；tests/test_timing.py（0 入／6 出）是 orchestration 候選。
• whisper/transcribe.py（3 入／18 出）是 entry/orchestration 候選。
• 這個樣貌暗示，常被呼叫的模組（model、timing、utils、tokenizer）構成由 transcribe.py 驅動的函式庫核心：這是從呼叫次數推論的，不是執行時的行為。

• 依賴證據：requirements.txt 列出七個執行期依賴：numba、numpy、torch、tqdm、more-itertools、tiktoken、triton（>=2.0.0，唯一的版本下限）。
• 這個 repository 有兩個清單檔（pyproject.toml、requirements.txt），但只有 requirements 形式的檔案會被解析，所以這次分析看不到 pyproject.toml 的依賴表。
• 測試：7 個測試或類測試檔案，包括 tests/conftest.py；光是 tests/test_timing.py 就定義了 test_dtw、test_dtw_cuda_equivalence、test_median_filter 和 test_median_filter_equivalence。
• 這裡的安裝與執行說明並不完整，安裝指令也沒有驗證；安裝前請先看過清單檔。

1. README.md：整體定位。
2. pyproject.toml 和 requirements.txt：預期的安裝方式與依賴。
3. LICENSE：條款。
4. whisper/transcribe.py：先讀 transcribe()（第 38-514 行），再讀 cli() 解析器（517-619）。
5. whisper/__init__.py：load_model()、available_models()、_download()。
6. whisper/model.py：Whisper 類別，把模型的建構和 transcribe() 連起來。

前三步依照分析器的專案層級重要檔案清單；whisper/transcribe.py 被標為可能的進入點。

• 只有靜態分析：反射、執行期依賴注入、動態 import、monkey-patching、產生的程式碼、框架在執行期的接線和動態分派都沒有解析。
• 1388 條靜態關係中有 1233 條是外部或未解析。
• 安裝／執行／建置的推論並不完整，安裝指令也沒有驗證。
• README 的擷取是逐行進行的，可能抓到程式碼行而不是說明文字，所以來自 README 的陳述屬於作者自述，不是已確定的事實。
• 描述分析器自身能力的 manifest 欄位，不算在 repository 的證據裡。
• 沒有任何執行時流程（CLI 轉錄、模型載入、GPU 使用）是從頭到尾確定的。

• whisper/model.py：Whisper（259-352）、AudioEncoder（181-211）、TextDecoder（214-256）、MultiHeadAttention（81-146）、ResidualAttentionBlock（149-178）。
• whisper/decoding.py：detect_language、DecodingOptions、DecodingResult、GreedyDecoder、BeamSearchDecoder。
• whisper/audio.py：load_audio、pad_or_trim、mel_filters、log_mel_spectrogram；whisper/tokenizer.py：Tokenizer、get_encoding、get_tokenizer。
• whisper/timing.py：median_filter、dtw_cpu、dtw_cuda、find_alignment、add_word_timestamps。
• whisper/utils.py：ResultWriter、WriteTXT、SubtitlesWriter、WriteVTT，另有 format_timestamp 和 str2bool。

AudioEncoder／TextDecoder 的命名暗示音訊輸入與文字輸出之間有 encoder-decoder 的分工：這是結構上的推論，沒有經過執行確認。