Whisper.cpp本地转录引擎

要解决的问题

把语音变成文字，通常意味着把音频上传到云端 API：要处理鉴权、配额、网络抖动，还要承担按分钟计费的成本。对长录音、批量任务或涉密内容，把音频传出本地本身就是个障碍。这个技能面向的就是想在 自己的机器 上完成转录、且主要依赖 CPU 的开发者：不调用任何远端服务，直接在本地跑 OpenAI Whisper 的模型。

它如何工作

核心是 whisper.cpp 的本地推理路径，权重采用 GGML 量化格式，目标是让转录在只有 CPU 的环境里也能跑得动。处理流程大致是：

• 准备音频：上游示例 whisper-cli 目前只接受 16-bit WAV，其他格式需要先用别的工具转好再喂进来；
• 解码语音：可选 beam search 解码，相比贪心解码更稳，适合对文本质量敏感的场景；
• 切分音频：支持 基于 VAD 的分段，在静音较多的长音频里跳过无意义片段，减少无谓计算；
• 输出结果：支持 SRT / VTT 两种字幕格式，便于直接接到播放器或后期流程。

想确认具体参数时，跑 ./build/bin/whisper-cli -h 查看 CLI 选项即可。

适用边界

• 它提供的是 推理与输出能力，不是语音识别的模型训练或微调方案；要换更好的效果，得自己换更好的 Whisper 模型权重。
• CPU 推理意味着 没有 GPU 时速度有限，处理几小时的音频要提前留足时间。
• 输入格式是硬约束：非 16-bit WAV 的音频必须先做转换，否则无法直接送入 CLI。
• VAD 分段与 beam search 的参数需要按音频内容调整，默认设置不一定适配你的素材。