whisper.cpp CLI
whisper.cpp — CLI для аудио без Python-окружения: разработчик собирает исполняемый файл под процессор или ускоритель.
- 54 957 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Сборка выполняет инструменты проекта; CLI читает аудиофайлы и пишет результаты локально.
Установка
Ручная установка
git clone https://github.com/ggml-org/whisper.cpp.git
cd whisper.cppПервые шаги Quick start. Далее загрузите модель и соберите CLI по README.
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Сборка выполняет инструменты проекта; CLI читает аудиофайлы и пишет результаты локально.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
whisper.cpp — CLI, который распознает аудиозаписи моделями Whisper непосредственно на компьютере пользователя. Пользователь собирает `whisper-cli`, загружает модель в формате ggml и передает аудиофайл. Расшифровка может выполняться только на CPU или с поддерживаемым ускорителем. Квантование уменьшает размер модели за счет более компактного хранения чисел. В проекте есть варианты сборки для Metal, CUDA, Vulkan и других устройств. По сравнению с исходным Python CLI здесь выбирают собственный исполняемый файл и аппаратную конфигурацию, а модель подготавливают в формате этого проекта.
Для кого. Разработчикам локальных речевых инструментов, которые подбирают сборку и модель под конкретный компьютер.
Подходит, если
- На компьютере без GPU разработчик проверяет CPU-распознавание.
- Владелец Mac собирает вариант с ускорением для Apple Silicon.
- Команда уменьшает размер модели с помощью квантования.
- Аудио надо обработать локальным исполняемым файлом без Python-окружения Whisper.
Не подходит, если
- Пользователь ожидает запустить исходные Python-веса без подготовки формата ggml.
- Команда передает MP3 прямо в CLI из Quick start без преобразования.
- Администратор хочет одинаковую сборку ускорения для любого GPU без настройки.
Пример запроса к агенту
Собери whisper.cpp для этого компьютера и расшифруй тестовый WAV локально, сначала покажи выбранную модель и параметры сборки.Ограничения
Первый запуск требует сборки CMake и отдельной модели в формате ggml. Пример `whisper-cli` в README принимает 16-битный WAV; другое аудио надо предварительно преобразовать, например через ffmpeg. Поддержку ускорителя выбирают параметрами сборки и зависимостями конкретной платформы, поэтому наличие GPU само по себе не включает нужный вариант. Размер файла модели и расход оперативной памяти растут с ее классом; таблица README помогает выбрать подходящий размер.
Как отключить. Остановите `whisper-cli` и удалите его вызов из скриптов. Модели, исходные WAV и расшифровки останутся в своих каталогах.
Частые вопросы
Как начинается установка?
Quick start первым дает `git clone https://github.com/ggml-org/whisper.cpp.git`, затем `cd whisper.cpp`. Модель скачивают отдельно, до тестового запуска.
Как получить модель из примера?
В каталоге проекта выполните `sh ./models/download-ggml-model.sh base.en`. Скрипт скачает англоязычную модель; для другого языка выберите многоязычный вариант из списка README.
Как собрать исполняемый файл?
README дает `cmake -B build`, затем `cmake --build build -j --config Release`. После сборки пример запускается через `./build/bin/whisper-cli -f samples/jfk.wav`.
Как подготовить MP3?
В README есть `ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav`. Замените имена файлов и передайте полученный WAV в CLI.
Чем отличается от Python Whisper?
Этот проект компилирует реализацию C/C++ и использует подготовленные ggml-модели. Выбирайте его, если управляете сборкой и ускорением; Python CLI подойдет для сценария через пакет openai-whisper.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
CLI-инструментыWhisper — CLI для расшифровки аудио: выбирайте размер модели под компьютер и получайте текст речи на исходном языке.
Piper — CLI для локальной озвучки текста: выбирайте голос, сохраняйте WAV и подключайте синтез к своим приложениям.
Локальный синтез речи для агентов: команда и скилл озвучивают текст, клонируют голос по записи и собирают музыку из партитуры без облака и платы за символы
Локальный MCP-сервер озвучки для macOS: клонирование голоса, синтез речи и аудиокниги из PDF по команде агента
Скилл и скрипты для расшифровки аудио через Yandex SpeechKit: подготовка записи, загрузка в Object Storage и асинхронное распознавание v3
Claude Video Vision
claude-video-vision
MCP-сервер и плагин Claude Code, которые дают агенту смотреть видео: кадры через ffmpeg и расшифровка звука через Gemini, локальный Whisper или OpenAI
Коротко о README
Quick start соединяет клонирование, скачивание модели и сборку. Отдельные разделы описывают ускорители, квантование и обработку пауз. Демонстрационные приложения и библиотечный API дополняют CLI.