ggml-org/whisper.cpp

项目介绍

whisper.cpp 是 OpenAI Whisper 自动语音识别模型的 C/C++ 实现，不依赖外部运行时 模型来源。模型主体放在 whisper.h 和 whisper.cpp 中，其余部分由 ggml 机器学习库提供 核心文件 ggml。这种轻量形态适合把离线转写嵌入桌面、移动端、WebAssembly 和嵌入式程序。

项目支持 F16/F32 混合精度、整数量化、语音活动检测和 C 风格 API。后端覆盖 CPU（AVX、NEON、VSX 指令集）、Apple Silicon 上的 Metal/Core ML/ANE、CUDA 与 Vulkan、ROCm、OpenVINO、CANN、MUSA 和 Ryzen AI NPU，并提供了 Docker 镜像。

快速使用

克隆仓库、下载转换后的模型，然后构建并转写示例音频：

git clone https://github.com/ggml-org/whisper.cpp.git
cd whisper.cpp
sh ./models/download-ggml-model.sh base.en
cmake -B build
cmake --build build -j --config Release
./build/bin/whisper-cli -f samples/jfk.wav

可用模型和转换方式见 models README。命令行参数可用 ./build/bin/whisper-cli -h 查看。CLI 只接受 16-bit WAV 输入，其他格式需要先转换：

ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav

需要只处理语音片段时，可下载 VAD 模型并通过 --vad 启用：

./models/download-vad-model.sh silero-v6.2.0
./build/bin/whisper-cli -vm models/ggml-silero-v6.2.0.bin --vad -m models/ggml-base.en.bin -f samples/jfk.wav

GPU 和 NPU 构建使用 -DGGML_CUDA=1、-DGGML_VULKAN=1、-DGGML_HIP=1 或 -DWHISPER_OPENVINO=1 等 CMake 参数，使用前需安装对应工具链。

使用约束

项目只做推理，不支持训练或微调 限制说明。运行内存随模型规模变化：tiny 约需 273 MB，large 约需 3.9 GB；磁盘占用从 75 MiB 到 2.9 GiB 内存表。Whisper 适合 16 kHz 单声道音频。加速后端需要各自的 SDK 和配置，Core ML 或 OpenVINO 首次运行会编译设备专用模型，耗时较长。

项目采用 MIT 许可证。量化模型能降低内存和磁盘占用，但转录精度会较完整精度模型有所损失。

HotRepo 点评

2026-11-13 的 C++ 日榜记录中，该项目单日新增 40 Star，并取得该榜第 4 名。仓库已有 5.5 万以上 Star 和 6300 以上 Fork，说明它的使用范围远超小规模示例。单日涨幅本身不能说明趋势，但覆盖多类硬件后端和平台的支持范围，与其在离线语音识别领域的持续采用相符。