transcribe.cpp

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

• 输入音频必须是 16 kHz 单声道 WAV 格式
• 本地需准备 GGUF 格式的语音识别模型（来自 huggingface.co/handy-computer）
• 准备好 ffmpeg 或 sox，用于把其它格式音频转成 WAV
• 项目为 C/C++ 实现，需自行编译后才能得到 build/bin/transcribe-cli

安装与启动步骤

1. 1转换音频格式

   把 mp3 等格式统一转成 16 kHz 单声道 WAV，否则 CLI 无法读取输入。

   ffmpeg -i input.mp3 -ar 16000 -ac 1 output.wav

   复制

2. 2获取 GGUF 模型

   从 HuggingFace 的 handy-computer 组织下载所需模型家族的 GGUF 文件，放本地目录备用，README 未给出下载命令。

3. 3编译得到 CLI

   README 未提供构建命令，只说明可执行文件位于 build/bin/transcribe-cli，需按仓库说明自行编译。

4. 4运行语音识别

   用 -m 指定 GGUF 模型路径，后面跟待识别 WAV 文件，例如 Parakeet TDT 0.6B v2。

   build/bin/transcribe-cli -m models/parakeet-tdt-0.6b-v2/parakeet-tdt-0.6b-v2-F32.gguf samples/jfk.wav

   复制

关键配置

如何确认成功

执行 build/bin/transcribe-cli 后终端输出该 WAV 的转写文本且无报错，即表示运行成功。

常见问题

注意事项

• README 未给出安装与编译命令，构建步骤请以仓库实际文档为准，勿照搬示例路径。
• 示例中的模型路径 models/parakeet-tdt-0.6b-v2/ 与样例音频 samples/jfk.wav 只是占位，需换成你本地的真实路径。
• 模型必须使用 GGUF 格式，非 GGUF 权重无法直接被该 CLI 加载。