Whisper.cpp 是一个基于 OpenAI Whisper 模型的轻量级 C++ 实现，专门为本地语音识别而设计。它采用 ggml 格式，能够高效地在各种设备上运行，无需依赖云端服务。本指南将带你从零开始掌握 Whisper.cpp 的安装、配置和使用方法。
快速入门
5 分钟快速上手
想要立即体验 Whisper.cpp 的强大功能？只需三个简单步骤：
- 获取项目代码：
git clone https://github.com/ggerganov/whisper.cpp
cd whisper.cpp
- 选择合适模型：
- 轻量级：tiny（75MB）适合快速测试
- 平衡型：base（142MB）兼顾速度与精度
- 高精度：small（466MB）提供更好的识别效果
- 运行首个识别任务：
# 使用 tiny 模型进行语音识别
./main -m models/ggml-tiny.bin -f your_audio.wav
系统要求检查
在开始之前，请确保你的系统满足以下基本要求：
- 操作系统：Linux、macOS 或 Windows
- 内存：至少 4GB（大型模型需要更多）
- 存储空间：根据所选模型大小预留相应空间
核心功能详解
模型体系解析
Whisper.cpp 提供了完整的模型体系，从轻量到高精度：
基础模型系列：
- tiny：75MB，最快速度，适合实时应用
- base：142MB，平衡性能，推荐日常使用
- small：466MB，高精度，适合专业场景
多语言支持：
- 通用模型：支持多种语言识别
- 英语专用模型：针对英语优化的版本（如 tiny.en、base.en）
量化版本：
- q5_0/q5_1：5 位量化，大幅减小模型体积
- q8_0：8 位量化，保持较高精度
核心参数配置
掌握关键参数设置，充分发挥模型潜力：
模型选择参数：
-m models/ggml-tiny.bin：使用 tiny 模型-m models/ggml-base.bin：使用 base 模型-m models/ggml-small.bin：使用 small 模型
性能优化参数：
-t 4：使用 4 个线程加速处理--translate：启用翻译功能-l zh：指定中文语言
输入格式支持
Whisper.cpp 支持广泛的音频格式：
- WAV、MP3、FLAC、M4A 等常见格式
- 采样率自动适配，无需手动转换
- 支持批量文件处理