whisper.cpp 离线语音识别指南三步跑通第一次转写【免费下载链接】whisper.cppPort of OpenAIs Whisper model in C/C项目地址: https://gitcode.com/GitHub_Trending/wh/whisper.cpp会议录音、采访音频想转成文字又不想把音频发到任何云端服务上。whisper.cpp 是 OpenAI Whisper 语音识别模型的 C/C 移植版本完全本地运行输入 16 kHz 的 WAV输出带时间戳的文本全程不需要联网。先跑通三步验证最小可用第 1 步拿代码克隆仓库并进入目录。git clone https://gitcode.com/GitHub_Trending/wh/whisper.cpp第 2 步拿模型base.en 文件约 142 MiB是通用的默认选择。bash models/download-ggml-model.sh base.en第 3 步编译并跑样例样例音频是仓库自带的samples/jfk.wav。cmake -B build cmake --build build --config Release ./build/bin/whisper-cli -f samples/jfk.wav跑完会得到类似[00:00:00.000 -- 00:00:00.850] And so my fellow Americans...的输出说明离线转写链路已经通了。能力清单多平台可运行官方支持 macOSIntel 与 Apple Silicon、Linux、Windows、Android、iOS、树莓派、WebAssembly 和 Docker。Apple Silicon 上编码器可以走 Metal 或 Core ML 在 GPU 执行NVIDIA 显卡可开 CUDA 加速。模型档位从 tiny 到 large-v1、large-v2、large-v3外加 large-v3-turbo。带.en后缀的版本只识别英语体积更小、速度略快。量化压缩内置 quantize 工具可以把 ggml 模型压成 q4_0、q5_0、q8_0 等量化版本磁盘和内存占用都下降精度损失有限。多语言转写与翻译不带.en的多语言模型支持多种语言转写加--translate参数后非英语音频可以直接转成英文输出。模型选型对照表场景 / 设备推荐配置磁盘 / 内存占用约树莓派、手机、内存受限的嵌入式tiny或量化版 tiny-q5_175 MiB / 273 MB普通 PC、日常转写base.en142 MiB / 388 MB多语言、精度要求中等small466 MiB / 852 MB服务端专业转写large-v3 / large-v3-turbo2.9 GiB / 3.9 GB内存吃紧时优先上量化模型并用-t参数降低线程数。接入示例核心 API 是 C 风格的从加载模型到读取结果只需几行struct whisper_context * ctx whisper_init_from_file(models/ggml-base.en.bin); whisper_full_params p whisper_full_default_params(WHISPER_SAMPLING_GREEDY); whisper_full(ctx, p, pcmf32.data(), pcmf32.size()); for (int i 0; i whisper_full_n_segments(ctx); i) printf(%s\n, whisper_full_get_segment_text(ctx, i)); whisper_free(ctx);实时麦克风输入、HTTP 识别服务、语法约束输出等完整场景都放在 examples 目录里可以直接照着抄。踩坑清单模型下载失败怎么办症状运行models/download-ggml-model.sh长时间卡住或报错。原因模型文件托管在 Hugging Face部分网络环境下连接慢或不稳定。解法换一台能连通 Hugging Face 的机器手动下载同名文件如ggml-base.en.bin放到本仓库的models/目录再正常跑命令。提示音频加载失败怎么办症状whisper-cli 报加载失败没有任何转写输出。原因whisper-cli 只认 16 位、16 kHz、单声道 WAV。MP3、44.1 kHz 或立体声文件都不能直接喂进去。解法先用 ffmpeg 转格式ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav设备内存不够或跑得太慢怎么办症状medium、large 模型直接 OOM或者十几秒的音频要转好几分钟。原因内存占用随模型档位上升large 档需要约 3.9 GB线程数开得过高也会拖慢速度。解法换成 tiny 或 base 档或用 quantize 生成 q4_0 量化模型运行时用-t把线程数降到 2 再试。收尾最省事的起步方式就是先在自己机器上把上面三步做完确认jfk.wav的输出符合预期再去看 examples/cli 目录的源码接入自己的音频。下一步动作跑一条./build/bin/whisper-cli -f samples/jfk.wav核对第一行文本和音频内容是否一致。【免费下载链接】whisper.cppPort of OpenAIs Whisper model in C/C项目地址: https://gitcode.com/GitHub_Trending/wh/whisper.cpp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 whisper.cpp 离线语音识别指南：三步跑通第一次转写
whisper.cpp 离线语音识别指南三步跑通第一次转写【免费下载链接】whisper.cppPort of OpenAIs Whisper model in C/C项目地址: https://gitcode.com/GitHub_Trending/wh/whisper.cpp会议录音、采访音频想转成文字又不想把音频发到任何云端服务上。whisper.cpp 是 OpenAI Whisper 语音识别模型的 C/C 移植版本完全本地运行输入 16 kHz 的 WAV输出带时间戳的文本全程不需要联网。先跑通三步验证最小可用第 1 步拿代码克隆仓库并进入目录。git clone https://gitcode.com/GitHub_Trending/wh/whisper.cpp第 2 步拿模型base.en 文件约 142 MiB是通用的默认选择。bash models/download-ggml-model.sh base.en第 3 步编译并跑样例样例音频是仓库自带的samples/jfk.wav。cmake -B build cmake --build build --config Release ./build/bin/whisper-cli -f samples/jfk.wav跑完会得到类似[00:00:00.000 -- 00:00:00.850] And so my fellow Americans...的输出说明离线转写链路已经通了。能力清单多平台可运行官方支持 macOSIntel 与 Apple Silicon、Linux、Windows、Android、iOS、树莓派、WebAssembly 和 Docker。Apple Silicon 上编码器可以走 Metal 或 Core ML 在 GPU 执行NVIDIA 显卡可开 CUDA 加速。模型档位从 tiny 到 large-v1、large-v2、large-v3外加 large-v3-turbo。带.en后缀的版本只识别英语体积更小、速度略快。量化压缩内置 quantize 工具可以把 ggml 模型压成 q4_0、q5_0、q8_0 等量化版本磁盘和内存占用都下降精度损失有限。多语言转写与翻译不带.en的多语言模型支持多种语言转写加--translate参数后非英语音频可以直接转成英文输出。模型选型对照表场景 / 设备推荐配置磁盘 / 内存占用约树莓派、手机、内存受限的嵌入式tiny或量化版 tiny-q5_175 MiB / 273 MB普通 PC、日常转写base.en142 MiB / 388 MB多语言、精度要求中等small466 MiB / 852 MB服务端专业转写large-v3 / large-v3-turbo2.9 GiB / 3.9 GB内存吃紧时优先上量化模型并用-t参数降低线程数。接入示例核心 API 是 C 风格的从加载模型到读取结果只需几行struct whisper_context * ctx whisper_init_from_file(models/ggml-base.en.bin); whisper_full_params p whisper_full_default_params(WHISPER_SAMPLING_GREEDY); whisper_full(ctx, p, pcmf32.data(), pcmf32.size()); for (int i 0; i whisper_full_n_segments(ctx); i) printf(%s\n, whisper_full_get_segment_text(ctx, i)); whisper_free(ctx);实时麦克风输入、HTTP 识别服务、语法约束输出等完整场景都放在 examples 目录里可以直接照着抄。踩坑清单模型下载失败怎么办症状运行models/download-ggml-model.sh长时间卡住或报错。原因模型文件托管在 Hugging Face部分网络环境下连接慢或不稳定。解法换一台能连通 Hugging Face 的机器手动下载同名文件如ggml-base.en.bin放到本仓库的models/目录再正常跑命令。提示音频加载失败怎么办症状whisper-cli 报加载失败没有任何转写输出。原因whisper-cli 只认 16 位、16 kHz、单声道 WAV。MP3、44.1 kHz 或立体声文件都不能直接喂进去。解法先用 ffmpeg 转格式ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav设备内存不够或跑得太慢怎么办症状medium、large 模型直接 OOM或者十几秒的音频要转好几分钟。原因内存占用随模型档位上升large 档需要约 3.9 GB线程数开得过高也会拖慢速度。解法换成 tiny 或 base 档或用 quantize 生成 q4_0 量化模型运行时用-t把线程数降到 2 再试。收尾最省事的起步方式就是先在自己机器上把上面三步做完确认jfk.wav的输出符合预期再去看 examples/cli 目录的源码接入自己的音频。下一步动作跑一条./build/bin/whisper-cli -f samples/jfk.wav核对第一行文本和音频内容是否一致。【免费下载链接】whisper.cppPort of OpenAIs Whisper model in C/C项目地址: https://gitcode.com/GitHub_Trending/wh/whisper.cpp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考