
transcribe.cpp
本地跑 16 种语音识别模型,离线转文字又快又省
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 2026-08-10 · 当前星标 ★ 2190
技术标签
使用教程
⚠ 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 -
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
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
-m | 是 | 指定要加载的 GGUF 模型文件路径 | models/parakeet-tdt-0.6b-v2/parakeet-tdt-0.6b-v2-F32.gguf |
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
Q:支持哪些模型?
A:支持 16 个模型家族、60 多种变体,含 Parakeet、Canary、Canary-Qwen、Whisper、GigaAM、Moonshine 及流式 Moonshine 等,均支持流式与批量。
Q:能直接识别 mp3 吗?
A:不能。输入必须是 16 kHz 单声道 WAV,需先用 ffmpeg 或 sox 转换,例如 ffmpeg -i input.mp3 -ar 16000 -ac 1 output.wav。
Q:模型从哪里下载?
A:官方发布在 HuggingFace 的 handy-computer 组织下,均为 GGUF 格式,并经过数值验证和 WER 测试。
Q:支持 GPU 加速吗?
A:支持 Metal、Vulkan、CUDA 后端做 GPU 推理,CPU 路径使用 tinyBLAS 加速。
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。
核心亮点
- 支持 16+ 模型家族,覆盖 Whisper 全系列及变体,选择灵活
- 基于 ggml 优化,CPU 上推理速度快,内存占用低,适合边缘部署
- 纯 C++ 无重依赖,编译简单,易于嵌入其他项目
不足之处
- 文档相对简略,高级用法需读源码
- GPU 加速支持有限,主要优化集中在 CPU
适用场景
- 在树莓派等低功耗设备上做离线语音助手
- 桌面应用内嵌实时语音转写功能
- 隐私敏感场景下本地批量音频转文字
替代项目
whisper.cpp、faster-whisper、whisper-jax
上一篇:AudioNotes
下一篇:amical
同类项目推荐
FluidVoice
开源
本地语音听写,说完即出字,隐私不出设备
Fastest and only macOS Dictation app with on-device STT and custom trained AI enhanc···
docker-whisperX
开源
一条命令跑通带说话人分离的词级时间戳语音转写
Dockerfile for WhisperX: Automatic Speech Recognition with Word-Level Timestamps and···
K6nele
开源
装上它,任何安卓输入框都能语音打字
An Android app that offers speech-to-text user interfaces to other apps
speech-to-phrase
开源
本地跑,只认你定义的短语,又快又准。
Fast and personalized local speech-to-text
aidictation
开源
多端离线听写,开口即成文字
Open-source speech-to-text and dictation app for macOS, Windows, iPhone, iPad, and A···
whistle-esp32
开源
按住说话,ESP32 离线识别七种语言颜色词并点亮 LED
Whistle speech-to-text running fully on an ESP32-S3: hold a button, say a colour in ···
mrcp-plugin-with-freeswitch
开源
用手机打电话,AI自动听懂并回复,快速搭建语音呼叫中心。
使用FreeSWITCH接受用户手机呼叫,通过UniMRCP Server集成讯飞开放平台(xfyun)插件将用户···
giga-pisar
开源
按住右⌘说话,松开出俄语文字,全程离线
Гига Писарь: бесплатная локальная русская дик···
home-assistant-voice-pe
开源
官方语音硬件固件,本地唤醒直连智能家居
Home Assistant Voice PE