Whisper
本地离线跑 Whisper，语音转文字不联网也快
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-09-23 · 当前星标 ★ 10705
使用教程
环境要求
- Windows 操作系统（本仓库是 whisper.cpp 的 Windows 移植版）
- 已从本仓库 Releases 下载 WhisperDesktop.zip
- 磁盘空间充足：推荐模型 ggml-medium.bin 约 1.42GB
- 可正常访问 GitHub Releases 页面
安装与启动步骤
-
1下载发行包
到本仓库 Releases 区下载 WhisperDesktop.zip，不要从第三方网站下载。
-
2解压压缩包
把 ZIP 解压到任意目录，下面命令中的路径可替换成你自己的下载路径。
Expand-Archive -Path "$env:USERPROFILE\Downloads\WhisperDesktop.zip" -DestinationPath "$env:USERPROFILE\Downloads\WhisperDesktop" -Force -
3运行程序
进入解压目录双击 WhisperDesktop.exe，或在命令行执行以下命令启动。
.\WhisperDesktop.exe -
4下载识别模型
首次启动界面会提示下载模型，README 推荐 ggml-medium.bin，约 1.42GB。
-
5转写音频文件
在文件转写界面选择本地音频文件，由程序完成后台识别并输出文字。
-
6实时麦克风转写
另一个界面可采集麦克风实时音频，进行实时转写或翻译。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
识别模型 | 是 | 首次启动时选择并下载的 ggml 模型文件 | ggml-medium.bin |
如何确认成功
WhisperDesktop.exe 正常打开，首个界面提示下载模型，即表示启动成功。
常见问题
Q：该选哪个模型？
A：README 推荐 ggml-medium.bin（约 1.42GB），因为作者主要用这个模型做过测试。
Q：从哪里下载才安全？
A：只从本仓库的 Releases 区下载。网站 whisperdesktop.com 冒充本项目，不要信任。
Q：支持哪些平台？
A：本仓库是 whisper.cpp 的 Windows 移植版，提供的是 Windows 桌面程序。
Q：能实时转写吗？
A：可以，程序有单独界面用于采集麦克风音频并实时转写或翻译。
注意事项
- 本项目自 2023 年起未再更新，作者已转向商业后继产品。
- whisperdesktop.com 为冒充站点，其下载链接可能被替换为恶意软件。
- 模型文件较大，首次使用需预留下载时间和磁盘空间。
核心亮点
- 纯 C/C++ 实现，无 Python/PyTorch 依赖，可嵌入桌面与移动端
- 支持 ggml 量化与 GPU 加速，消费级显卡即可实时转写
- 提供多语言绑定和命令行工具，集成门槛低
不足之处
- 模型转换与量化流程对新手仍有一定学习成本
- 不同后端（CUDA/Metal/Vulkan）性能与兼容性差异需自行调优
适用场景
- 本地会议录音转文字，保护隐私不传云端
- 为桌面/移动应用嵌入离线语音输入功能
- 批量处理播客、视频字幕生成与翻译
替代项目
whisper、faster-whisper
上一篇：whisper
下一篇：awesome-whisper
同类项目推荐
doubao-murmur
开源
按一下就说，说完字就出现在光标处
极简语音输入法，利用豆包 Web 语音识别实现全局听写。支持 macOS 、Windows 与 Linux/Ste···
phonikud
开源
给希伯来文本自动标音，让TTS发音更准
Hebrew grapheme to phoneme (INTERSPEECH 2026)
MASR
开源
一个框架搞定流式+非流式语音识别，训练部署都省心
Pytorch实现的流式与非流式的自动语音识别框架，同时兼容在线和离线识别，目前支持Conform···
bournemouth-forced-aligner
开源
一键提取语音音素时间戳，助力精准语音分析
Extract phoneme-level timestamps from speeh audio.
voicekey
开源
按住或点按快捷键，说话即变文字输入到 Mac 任意应用
macOS hold-to-talk / tap-to-talk dictation with Doubao & WeType ASR
whisply
开源
批量音视频一键转文字、翻译并生成字幕
Fast, cross-platform CLI and GUI for batch transcription, translation, speaker annot···
wenet
开源
开箱即用的生产级语音识别，从训练到部署一步到位
Production First and Production Ready End-to-End Speech Recognition Toolkit
vosk-api
开源
离线语音识别，不用联网，隐私安全，本地秒转文字
Offline speech recognition API for Android, iOS, Raspberry Pi and servers with Pytho···
whisper-clip
开源
按一下按钮，说话自动变文字并进剪贴板
WhisperClip simplifies your life by automatically transcribing audio recordings and ···