whisper.cpp

在 CPU 上极速运行 Whisper，离线语音转文字不求人

whisper.cpp 是 OpenAI 的 Whisper 语音识别模型的高性能 C/C++ 移植版。它解决了 Whisper 原始 Python 实现依赖 PyTorch、部署重、推理慢的问题，能在 CPU 上高效运行，无需 GPU 或云服务。核心能力包括：支持多种 Whisper 模型（tiny 到 large）、流式音频处理、实时转录、多语言识别、以及针对不同硬件（如 ARM、x86）的优化。项目提供简洁的 C API，易于集成到桌面应用、嵌入式设备或服务器中。它采用 GGML 张量库，实现量化推理，大幅降低内存占用和延迟。whisper.cpp 让语音转文字功能真正落地到边缘设备，是本地化、隐私敏感场景的理想选择。

开源 free 语音识别

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 54152

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类语音识别

开发团队ggml-org

所属国家

官网地址

GitHubhttps://github.com/ggml-org/whisper.cpp

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言C++

技术栈/模型inference,openai,speech-recognition,speech-to-text,transformer,whisper

GitHub 星标★ 54152

30天Star增速

HF 下载量

上线时间2022-09-25 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数5

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

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 15 分钟部署方式：本地安装 8 步

环境要求

支持平台：macOS（Intel/Arm）、Linux/FreeBSD、Windows（MSVC），另有 iOS/Android/WASM 示例
纯 CPU 即可推理，无需 GPU 或云服务（CUDA/ROCm/Vulkan/OpenVINO 等为可选加速）
需要 Git 克隆仓库与 C/C++ 构建工具链（README 节选中构建命令被截断）
需下载 ggml 格式模型文件，base 模型约 142 MiB 磁盘 / ~388 MB 内存
自备或使用仓库内 samples/ 下的 wav 音频文件（如 samples/jfk.wav）

安装与启动步骤

1克隆仓库

从 GitHub 拉取 whisper.cpp 源码到本地当前目录。
```
git clone https://github.com/ggml-org/whisper.cpp.git
```
2进入项目目录

切换到刚克隆下来的仓库根目录，后续命令都在此目录执行。
```
cd whisper.cpp
```
3下载模型

用仓库自带脚本下载 ggml 格式模型，base.en 约 142 MiB，体积小适合先跑通。
```
sh ./models/download-ggml-model.sh base.en
```
4编译 whisper-cli

README 节选中该段命令被截断，此处为标准 CMake 构建流程，请以仓库 README 构建章节为准。
```
cmake -B build
cmake --build build -j --config Release
```
5运行转录

用 whisper-cli 指定模型和音频文件做语音转文字，支持中英文等多语言。
```
./build/bin/whisper-cli -m models/ggml-base.bin -f samples/jfk.wav
```
6量化模型推理(可选)

内存紧张时改用 q5_0 量化模型，占用更低、速度更快，精度略降。
```
./build/bin/whisper-cli -m models/ggml-base.en-q5_0.bin ./samples/gb0.wav
```

7Docker 跑服务(可选)

挂载模型目录并启动 whisper-server，映射 8080 端口；镜像需提前构建或获取。

docker run -it --rm -p "8080:8080" 
  -v path/to/models:/models 
  whisper.cpp:main "whisper-server --host 127.0.0.1 -m /models/ggml-base.bin"

8Conan 安装(可选)

用 Conan 包管理器安装预编译二进制或从源码构建 whisper-cpp。
```
conan install --requires="whisper-cpp/[*]" --build=missing
```

关键配置

配置项	必填	说明	示例
`-m`	是	指定 ggml 格式模型文件路径	`models/ggml-base.bin`
`-f`	是	指定待转录的输入音频文件路径	`samples/jfk.wav`
`-t`	否	推理使用的线程数，越大通常越快	`4`
`-tdrz`	否	启用说话人转向检测，需搭配 tdrz 模型	`-tdrz`
`-m /models/ggml-base.bin`	否	Docker 服务模式下容器内的模型路径	`/models/ggml-base.bin`

如何确认成功

终端打印出带时间戳的转录文本，形如 [00:00:00.000 --> 00:00:03.800] Okay Houston, we've had a problem here.，即表示运行成功。

常见问题

Q：必须要有 GPU 吗？

A：不需要。whisper.cpp 支持纯 CPU 推理，macOS（Metal/Accelerate/Core ML）、NVIDIA、AMD ROCm、Vulkan 等加速均为可选。

Q：显存/内存不够怎么办？

A：换更小的模型或量化模型，例如 tiny 约 273 MB、base 约 388 MB 内存，量化版可用 ggml-base.en-q5_0.bin。

Q：没有音频文件测试怎么办？

A：README 使用仓库自带的 samples/jfk.wav、samples/gb0.wav、samples/a13.wav，克隆后可直接用。

Q：Docker 镜像从哪来？

A：README 节选只给出 docker run 用法，镜像名 whisper.cpp:main 需自行构建或获取，需提前把模型放到挂载的宿主机目录。

注意事项

README 节选中 whisper-cli 的构建命令段落被截断，实际构建参数请以仓库 README 的构建章节为准。
Docker 示例中 path/to/models 需替换为你本机的真实模型目录。
模型文件不随仓库分发，必须通过 download-ggml-model.sh 下载或其他方式获取 ggml 格式模型。
除 CLI 外仓库还提供 server、bench、WASM 等示例，以及 C 风格 API 便于集成。

核心亮点

纯 C/C++ 实现，无 Python 依赖，部署轻量，启动快
针对 CPU 深度优化，支持量化，内存占用低，推理速度远超原版
跨平台支持（Windows/Linux/macOS/Android/iOS），易于嵌入各类应用

不足之处

模型转换和编译配置对新手有一定门槛
部分高级功能（如 VAD 集成）需自行实现

适用场景

在树莓派或 NAS 上搭建离线语音助手
为桌面应用添加本地录音转文字功能
嵌入式设备上的实时语音命令识别

替代项目

Vosk、PaddleSpeech、whisper.cpp 的 Rust 绑定（whisper-rs）

项目介绍

whisper.cpp 是语音识别领域的开源项目，由 ggml-org 开发，2022 年首次发布。

在全站 13,655 个收录项目中，它的 GitHub 星标数（54,127）位列前 1%，在语音识别分类的 256 个项目里位列前 1%。

近 45 天，它的 GitHub 星标从 53,056 增加到 54,127，净增 1,071。

项目目前处于活跃维护状态，最近一次代码更新于 2026-10-02。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：在树莓派或NAS上搭建离线语音助手。同类可对比的替代方案包括 Vosk、PaddleSpeech、whisper.cpp 的 Rust 绑定（whisper-rs）。

上一篇：GigaAM

下一篇：whisperX