【源码】基于CC++的OpenAI Whisper高性能语音识别系统

项目简介

本项目是基于C/C++的高性能语音识别系统，能够对OpenAI的Whisper自动语音识别（ASR）模型进行推理。该模型仅含2个源文件，具有轻量级特性，方便集成到不同平台与应用中。它支持Mac OS、iOS、Android、Linux、Windows等多种平台，可在CPU上运行，无需GPU支持。

项目的主要特性和功能

1. 高性能推理：采用纯C/C++实现，无依赖，支持多种架构优化，像Apple silicon的Arm Neon和Accelerate框架、x86的AVX intrinsics、POWER的VSX intrinsics。
2. 低内存使用：运用混合F16 / F32精度、Flash Attention技术，运行时零内存分配。
3. 多平台支持：支持Mac OS、iOS、Android、Linux、FreeBSD、WebAssembly、Windows、Raspberry Pi等多种平台。
4. 丰富功能：支持音频转录、实时音频输入、翻译、多语言识别、输出多种格式（如txt、vtt、srt等）、单词级时间戳、生成卡拉OK风格视频等。
5. 易于集成：提供C风格API，可轻松集成到不同的平台和应用中。

安装使用步骤

前提条件

假设已下载本项目的源码文件，且具备C/C++编译环境。

步骤

1. 下载模型：运行以下命令下载转换为ggml格式的Whisper模型，例如下载base.en模型： bash bash ./models/download-ggml-model.sh base.en
2. 编译项目：编译main示例程序： bash make
3. 音频转录：使用编译好的程序转录音频文件，确保音频文件为16位WAV格式，若不是可使用ffmpeg转换： bash ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav ./main -f output.wav
4. 实时音频转录：编译并运行stream工具进行实时音频转录： bash make stream ./stream -m ./models/ggml-base.en.bin -t 8 --step 500 --length 5000

更多操作

• 下载更多音频样本： bash make samples
• 下载并运行其他模型： bash make tiny.en make tiny make base.en make base make small.en make small make medium.en make medium make large-v1 make large
• 查看详细使用说明： bash ./main -h

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】