whisper.cpp
OpenAI Whisper 语音识别模型的纯 C/C++ 移植实现,不依赖 Python 或深度学习框架,可离线嵌进 App 或做成离线语音助手,适合做语音识别的开发者。
3 次可以打开平均 4.1 秒11 月 16 日 起国内不可直接访问11 月 10 日 起国内不可直接访问
本站从国内机房定期实测。竖条由远及近:绿 = 可以打开,橙 = 国内不可直接访问,灰 = 打不开。whisper.cpp 把 OpenAI 的 Whisper 自动语音识别模型用纯 C/C++ 重写了一遍,不依赖 Python 或深度学习框架。它解决的是「想在本地、离线把音频转成文字」这件事:模型跑在自己的机器上,音频不用上传,也不需要联网。整个模型的高层实现就放在 whisper.h 和 whisper.cpp 两个文件里,其余代码来自 ggml 机器学习库,因此可以塞进各种平台和应用里。
主要功能
仓库自带一个 whisper-cli 示例:下载 ggml 格式的模型,用 cmake 编译,然后执行 ./build/bin/whisper-cli -f samples/jfk.wav 就能转写音频。它支持整数量化,运行时不做内存分配,还带语音活动检测(VAD),可以先把静音段切掉再识别。加速方面覆盖得比较全:Apple Silicon 上通过 Metal、Accelerate、Core ML 走 GPU,x86 用 AVX 指令集,NVIDIA 显卡有 CUDA 支持,另有 Vulkan、AMD ROCm、OpenVINO、华为昇腾 NPU 等后端,也支持纯 CPU 推理。
适合谁
主要是开发者。官方列出的支持平台包括 macOS(Intel 与 Arm)、iOS、Android、Java、Linux / FreeBSD、WebAssembly、Windows、树莓派和 Docker,配合 C 风格 API,可以嵌进自己的 App 或做成离线语音助手。普通用户如果只是想转写一段录音,直接用命令行会有些门槛,还得自己准备模型文件。
费用与限制
项目以 MIT 许可证开源,代码和模型都可免费获取。使用前要注意:whisper-cli 目前只接受 16 位 WAV 文件,其他格式得先用 ffmpeg 转成 16kHz 单声道;模型需要单独下载,体积和识别效果随型号不同。界面与文档为英文,遇到问题得看 README 或提 issue。