whisper.cpp · AI Nav City

核心信息

以下信息由程序从官方接口读取，不经模型改写。

whisper.cpp 提供 OpenAI Whisper 自动语音识别(ASR)模型的推理。它是不含依赖的纯 C/C++ 实现。模型的完整高层实现包含在 whisper.h 和 whisper.cpp 中。其余代码属于 ggml 机器学习库。

摘自 README · bash

git clone https://github.com/ggml-org/whisper.cpp.git

摘自 README

cd whisper.cpp

摘自 README · bash

sh ./models/download-ggml-model.sh base.en

摘自 README · bash

# build the project
cmake -B build
cmake --build build -j --config Release

# transcribe an audio file
./build/bin/whisper-cli -f samples/jfk.wav

摘自 README · bash

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

摘自 README

conan install --requires="whisper-cpp/[*]" --build=missing

功能列表中包含 C 风格 API。功能列表中包含语音活动检测(VAD)。whisper.cpp 支持对 Whisper ggml 模型进行整数量化。

在 Apple Silicon 设备上,编码器推理可以通过 Core ML 在 Apple 神经网络引擎(ANE)上执行。支持的平台包括 Mac OS(Intel 和 Arm)。支持的平台包括 iOS。

支持的平台包括 Android。支持的平台包括 WebAssembly。使用 NVIDIA 显卡时,模型处理通过 cuBLAS 和自定义 CUDA 内核在 GPU 上完成。

使用 AMD GPU 时,处理可以通过 HIP/ROCm 加速。编码器处理可以通过 OpenBLAS 在 CPU 上加速。Ascend NPU 通过 CANN 和 AI 核心提供推理加速。

使用摩尔线程显卡时,模型处理通过 muBLAS 和自定义 MUSA 内核在 GPU 上完成。默认情况下,仓库中的示例使用 miniaudio 库解码音频文件。项目列出的限制是仅支持推理。

本站已收录的相关工具。

官网描述的哔哩哔哩自研 AI 视频创作产品，面向 B 站 UP 主，强调轻量化、智能化的创作体验。

图片处理工具平台。官网介绍批量与交互式背景移除、图像生成/编辑、商品图、放大与修复，并提供图片翻译、图层拆分和矢量化工具。

Recraft 是图像模型与设计创作平台，面向图片、矢量图、自定义风格和样机素材的生成与编辑。

可编辑 SVG 矢量图形生成工具，官网介绍文字/图像转 SVG、编辑和动画，提供平台与开发者入口。

腾讯混元模型的官方项目入口，本次资料覆盖 Hunyuan-Large 的 MoE 模型、预训练与指令版本，以及推理和微调说明。

讯飞星辰 MaaS 的公开主要简介将其定位为面向开发者的模型精调服务平台，介绍数据处理、模型优化、效果评估和部署托管。本次没有进入控制台运行这些流程。

会议记录与语音转文字工具。官网介绍实时录音、音视频文件和视频链接转写，并将内容整理为逐字稿、会议纪要、发言人总结与待办清单。

音视频翻译、AI 配音与字幕制作工具，官网介绍字幕时间码匹配和成品导出。

面向外语学习的阅读与视频辅助工具，官网介绍双语字幕、网页划词/全文翻译、句子分析和个人学习材料。

官网称其为“工作学习AI助手”，依托千问大模型与音视频AI能力，用于音视频内容的记录与阅读。帮助文档称个人用户可手机号注册登录免费使用，企业用户可对接API。

本页内容整理自以下官方来源，点击可核对原文。

核验日期 · 2026-11-02

本页由 AI 依据上述官方来源整理，并经自动核对，未经本站实测。发现错误？告诉我们。