Whisper.cpp 项目下载及安装教程
2026-01-25 04:06:45作者:邵娇湘
1、项目介绍
Whisper.cpp 是 OpenAI 的 Whisper 模型的一个 C/C++ 移植版本。它旨在提供高性能的自动语音识别(ASR)模型推理,支持多种平台和硬件优化,包括 Apple Silicon、AVX 指令集、Vulkan 等。该项目的目标是提供一个轻量级的、易于集成的 Whisper 模型实现,适用于各种应用场景。
2、项目下载位置
你可以通过以下链接下载 Whisper.cpp 项目:
3、项目安装环境配置
3.1 系统要求
- 操作系统: macOS (Intel 和 Arm)、iOS、Android、Linux、FreeBSD、Windows (MSVC 和 MinGW)、Raspberry Pi
- 编译器: C/C++ 编译器(如 GCC、Clang、MSVC)
- 依赖: 无外部依赖,所有依赖项均已包含在项目中
3.2 环境配置示例
以下是在 macOS 上配置环境的示例:
-
安装 Xcode 命令行工具(如果尚未安装):
xcode-select --install -
安装 Homebrew(如果尚未安装):
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" -
安装 CMake(用于构建项目):
brew install cmake -
安装 Git(用于下载项目):
brew install git
3.3 环境配置图片示例

4、项目安装方式
4.1 克隆项目
首先,克隆 Whisper.cpp 项目到本地:
git clone https://github.com/ggerganov/whisper.cpp.git
cd whisper.cpp
4.2 下载模型
下载一个 Whisper 模型并转换为 ggml 格式:
sh ./models/download-ggml-model.sh base.en
4.3 构建项目
使用以下命令构建项目:
make
4.4 运行示例
构建完成后,你可以运行一个示例来测试安装是否成功:
./main -f samples/jfk.wav
5、项目处理脚本
Whisper.cpp 项目包含多个处理脚本,用于下载模型、构建项目和运行示例。以下是一些常用的脚本:
- 下载模型:
./models/download-ggml-model.sh - 构建项目:
make - 运行示例:
./main -f samples/jfk.wav
这些脚本可以帮助你快速开始使用 Whisper.cpp 项目。
通过以上步骤,你应该能够成功下载、安装并运行 Whisper.cpp 项目。如果你遇到任何问题,可以参考项目的 GitHub 仓库 中的文档和问题讨论。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.57 K
911
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
518
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.35 K
110
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
212