whisper.cpp

什么是 whisper.cpp？

whisper.cpp 是一个高效、轻量级的 自动语音识别（ASR） 库，由 ggml 张量库的作者 ggerganov 开发。它是 OpenAI 的 Whisper 语音识别模型的 C++ 移植版本。它的主要特点是在普通消费级 CPU 上就能高效运行语音识别，无需依赖昂贵的 GPU 或复杂的深度学习环境。

核心特点：

1. 纯 CPU 推理：whisper.cpp 针对 CPU 进行了深度优化，支持 x86/ARM 架构，尤其对 Apple Silicon（M1/M2/M3）做了专门优化，运行速度非常快。

2. 无额外依赖：项目使用纯 C/C++ 实现，不依赖 PyTorch、TensorFlow 等大型深度学习框架，编译和部署非常轻便。

3. 支持多种模型：支持 OpenAI Whisper 的多种模型尺寸（tiny / base / small / medium / large），用户可以根据精度和速度需求自由选择。

4. 高精度识别：在保持原版 Whisper 模型高识别准确率的同时，大幅降低了运行门槛，甚至在树莓派等嵌入式设备上也能流畅运行。

5. 丰富的输出格式：支持输出纯文本、带时间戳的字幕（SRT、VTT）、JSON 等多种格式，方便集成到各类应用中。

6. 实时推理支持：部分版本和衍生项目支持麦克风实时语音识别，可用于实时字幕、语音助手等场景。

典型应用场景：

• 本地语音转文字（无需联网，保护隐私）
• 视频自动生成字幕
• 会议录音转写
• 嵌入式设备（如树莓派、NAS）中的语音识别
• 作为其他应用的语音识别后端

示例用法：

# 编译项目
make

# 运行语音识别（以中文模型为例）
./main -m models/ggml-base.bin -f audio.wav

项目地址：https://github.com/ggerganov/whisper.cpp

whisper.cpp 凭借其轻量、高效、跨平台的特性，已经成为本地离线语音识别领域的热门选择。

Generated by AI

Github:https://github.com/ggml-org/whisper.cpp

Direct Download: bf065638-3417-4e90-a8bc-72aaf2eaf2b2

whisper.cpp windows版本生成视频字幕的办法：

你需要将音频/视频转化成特定格式，使用ffmpeg进行转换

ffmpeg -i "input.mp4" -ar 16000 -ac 1 -c:a pcm_s16le audio.wav                                                                   

其中-i参数指定的是输入的视频路径

你需要到这里下载gguf格式的whisper模型：https://huggingface.co/ggerganov/whisper.cpp ，比如ggml-medium.en-q8_0.bin这个模型

下载，解压和切换到whisper.cpp目录，输入下面的命令生成srt格式的字幕文件：

whisper-cli.exe -m "/path/to/ggml-medium.en-q8_0.bin" -f "/path/to/audio.wav" -osrt  

其中-m参数指定了你下载的whisper模型位置，-f参数指定了识别的音频位置，-osrt表示输出srt字幕文件