Whisper.cpp 离线语音识别实战3 条命令出结果最小模型仅 75MB【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把仓库自带的 34 秒肯尼迪演讲录音samples/jfk.wav344KB交给本地机器模型文件就在硬盘上文字直接打印出来全程没有一次网络请求。这就是 whisper.cpp——OpenAI Whisper 的 C/C 移植版核心功能一句话离线语音识别音频进去文字出来。它替你解决了什么独立开发者不需要任何云端 SDK 和 API Keywhisper-cli一个二进制加一个模型文件就是完整链路隐私敏感团队录音不出内网转写在谁的机器上跑就是谁的云端零接触嵌入式/移动开发者C 语言核心 成熟绑定交叉编译后直接链进产品Web 团队能编成 WebAssembly在浏览器里跑同一个推理内核bindings/javascript/Android / iOS 应用仓库里有完整可运行的示例工程examples/whisper.android.java/、examples/whisper.swiftui/从零到出结果最小可行路径第一步拿到代码git clone https://gitcode.com/GitHub_Trending/wh/whisper.cpp cd whisper.cpp克隆而不是下载源码包是因为后两步要直接调用仓库里的构建脚本。第二步构建并下载模型make bash models/download-ggml-model.sh base.enmake实际执行 cmake 配置和 Release 编译产物落在build/bin/脚本把base.en模型约 142MB拉进models/目录英文场景选.en版本体积比多语言版小、速度更快。第三步跑通第一个示例./build/bin/whisper-cli -m models/ggml-base.en.bin -f samples/jfk.wav输出即肯尼迪那段经典台词的文字稿带逐段时间戳。注意新版本二进制叫whisper-cli不是早期资料里的main。为什么它跑得快底层 3 句话底层张量运算全部走内置的 ggml 库不依赖 PyTorch 等重型框架编译产物是纯 C 二进制分发和交叉编译都简单。推理内存按最大规模一次性预分配前向计算过程中不再向系统要内存内存占用可预期。运行时按硬件自动切换加速路径x86 上启用 AVX 系列指令ARM 上走 NEON有 GPU 时还可以挂 Metal、CUDA、Vulkan 等后端。另外模型支持 4 位量化同样权重的内存占用砍半精度损失是个位数百分比级别。选哪个模型一张表讲清模型体积适合场景一句话点评tiny.en~75MB设备端、实时响应30 秒音频几秒出结果中文内容会漏字base.en~142MB通用桌面场景速度和准确率的默认平衡点medium~1.5GB离线服务器、高精度转写准确率明显上一个台阶内存要 4GB 起large-v3~3.1GB追求极限精度的离线场景本地跑 Whisper 的天花板移动设备别碰拿不准就先跑base.en跑完觉得不够准再升级medium。三个你大概率会遇到的场景会议速记输入ffmpeg -i 会议.mp3 -ar 16000 -ac 1 -c:a pcm_s16le 会议.wav转出来的 WAV → 得到带时间戳的逐段文字 → 注意源音频必须是 16kHz 单声道格式不对识别会整体跑偏。视频字幕输入./build/bin/whisper-cli -m models/ggml-base.en.bin -f 视频音频.wav -of 字幕 -ot srt→ 得到.srt字幕文件 → 注意多语言视频用多语言模型并加--language zh指定语种。设备语音控制输入唤醒后采样的 5 秒语音 → 得到一句文本命令词 → 注意把whisper编译成静态库链进固件语音识别全程离线运行断网也不受影响。调优与排坑内存和速度问题先砍哪里现象ARM 板子上跑同一模型比 x86 慢好几倍线程越多反而越慢。最小动作-t 1把线程数压到 1省掉线程同步开销。现象大模型加载后内存爆掉进程直接被系统杀掉。最小动作换量化模型——./build/bin/quantize models/ggml-base.en.bin models/ggml-base.en-q5_0.bin q5_0之后用新文件跑。现象同一段音频换了文件就识别出乱码。最小动作先用ffmpeg -i 文件确认是 16kHz 单声道 16bit WAV不是就转码再喂进去。现象非英语内容被当成英语转漏句严重。最小动作加--language zh显式指定语种别依赖自动检测。接进你的项目C / Cinclude/whisper.h —— 初始化、whisper_full()喂数据、按段取文字三步调用Gobindings/go/ —— 带完整示例go build即可用Pythonexamples/python/ —— 参考脚本演示如何封装调用Java / Kotlinbindings/java/ —— 含 Android 工程Gradle 直接构建WebAssemblybindings/javascript/ —— 浏览器内跑离线语音识别核心就两个文件include/whisper.h 定义接口src/whisper.cpp 全部实现。三条命令加一个 75MB 起步的模型今天就能在自己机器上转完第一段语音。【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