Whisperfile 快速上手用单文件工具将语音转写为文本【免费下载链接】llamafileDistribute and run LLMs with a single file.项目地址: https://gitcode.com/GitHub_Trending/ll/llamafileWhisperfile 是 llamafile 项目提供的语音转文本Speech-to-Text工具它把 OpenAI Whisper 模型权重与 whisper.cpp 推理引擎打包进一个可独立运行的可执行文件在 Linux、macOS、Windows 上无需安装即可把音频文件转写为纯文本。本文将以 docs/whisperfile/getting-started.md 为主线带你从克隆仓库、下载模型、编译程序到实际转写完成全流程并深入源码解释其支持的音频格式、模型选型策略与命令行参数。前置准备初始化仓库Whisperfile 的代码位于 llamafile 仓库中其推理内核来自子模块 whisper.cpp。构建前必须完成子模块的拉取与补丁应用否则编译产物会缺失关键依赖。执行以下命令git clone https://github.com/mozilla-ai/llamafile.git cd llamafile # 初始化所有子模块 —— 此步骤必不可少 # 子模块需要先被拉取并打上补丁 make setupmake setup会拉取仓库根目录下的子模块whisper.cpp、llama.cpp、stable-diffusion.cpp等并应用各子模块目录下的补丁。以 whisperfile 为例补丁位于 whisper.cpp.patches/patches包括对 CLI 入口 examples_cli_cli.cpp.patch、示例公共代码examples_common.cpp.patch、服务器examples_server_server.cpp.patch及 ggml 后端的改动随后由 apply-patches.sh 脚本完成实际应用。下载 Whisper 模型权重Whisperfile 本身不包含模型权重你需要单独下载。官方教程使用tiny 量化模型入门它体积最小、速度最快且转写结果整体可读缺点是可能拼错或误解个别单词curl -L -o models/whisper-tiny.en-q5_1.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-tiny.en-q5_1.bin-L用于跟随 Hugging Face 的重定向-o将文件保存到models/目录。除了 tinywhisper.cpp 还提供了 medium、large 等多个尺寸的 GGML 格式权重尺寸越大越准确但越慢详见下文「模型选型」小节。从源码构建 whisperfile仓库使用 Makefile 构建系统编译指令需要显式指定 cosmocc 工具链路径.cosmocc/4.0.2/bin/make -j8 o//whisperfile该目标定义在 whisperfile/BUILD.mk 中o/$(MODE)/whisperfile主目标会依次构建五个可执行文件——whisperfileCLI 转写、whisper-serverHTTP 服务、stream实时麦克风转写、mic2txt录制后转写、mic2raw调试用原始 token 输出。CLI 转写器由whisperfile/whisperfile.cpp、slurp.cpp、color.cpp以及 whisper.cpp 的examples/cli/cli.cpp以-DWHISPERFILE编译链接而成并复用 llamafile 的llamafile.o、gpu.a、zip.o、check_cpu.o等基础对象以获得 CPU 检测、ZIP 打包与 GPU 支持能力。从 whisperfile.cpp 的入口可以看出它的执行流程先调用llamafile_check_cpu()做 CPU 特性检查再响应--version随后通过cosmo_args()读取打包在可执行文件内的.args默认参数文件这是预打包 whisperfile 的实现机制最后转入由 whisper.cpp CLI 改造而来的whisper_cli_main()完成真正的转写。补丁 examples_cli_cli.cpp.patch 正是把cli.cpp的原main()重命名为whisper_cli_main()并在未定义WHISPERFILE时保留独立入口从而实现「一处 CLI 逻辑两种入口」的复用。第一次转写运行 whisperfile仓库自带了约翰·肯尼迪JFK演讲的短音频片段 whisperfile/jfk.wav用刚下载的 tiny 模型即可立即体验o//whisperfile/whisperfile -m models/whisper-tiny.en-q5_1.bin whisperfile/jfk.wav --no-prints参数说明-m指定模型权重文件路径--no-prints可选参数关闭大量冗长的日志与统计信息输出写 shell 脚本时尤其有用位置参数待转写的音频文件路径。支持的音频格式与自动转换Whisperfile 对输入音频有偏好最佳输入是 16kHz、16 位有符号线性采样signed linear PCM、单声道或双声道的 WAV 文件。其余格式它会通过内置库自动转换——MP3、FLAC、Ogg Vorbis 三种格式在全部支持平台上均可直接使用。自动转换能力由 whisperfile/slurp.cpp 的slurp_audio_file()实现其接口声明在 whisperfile/slurp.h支持 WAV、MP3、FLAC、OGG 四种格式音频会被自动重采样到 16kHz 并转为 float32 PCM供 Whisper 模型消费。补丁 examples_cli_cli.cpp.patch 在WHISPERFILE宏下用slurp_audio_file()替换了 whisper.cpp 原生的read_audio_data()这是 whisperfile 能比原生 whisper-cli 支持更多格式的根源。下面用一首著名诗歌的 MP3 录音演示非 WAV 格式的转写curl -LO https://archive.org/download/raven/raven_poe_64kb.mp3 o//whisperfile/whisperfile -m models/whisper-tiny.en-q5_1.bin -f raven_poe_64kb.mp3 -pc这里新增了-pcprint-colors参数让终端输出按置信度进行彩色标注直观反映每个词的转写可靠程度。转写完成后可删除临时下载的 MP3 文件保持目录整洁。模型选型在速度与准确率之间权衡tiny 模型在诗歌这类词汇较偏的文本上容易出错——教程举例说它可能把 quoth 误听成 quof。换用medium 模型后whisperfile 可以完美解码整首《乌鸦》The Raven只是速度明显下降curl -LO https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-medium.en.bin o//whisperfile/whisperfile -m ggml-medium.en.bin -f raven_poe_64kb.mp3 --no-prints如果追求最佳效果还有large 模型whisper.cpp 提供的最大、最准但也最慢的选择curl -L -o models/whisper-large-v3.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-large-v3.bin o//whisperfile/whisperfile -m models/whisper-large-v3.bin -f raven_poe_64kb.mp3 --no-prints三个档次的模型对比如下模型下载体积速度准确率tiny~31 MB最快良好medium~1.5 GB中等更好large~3.1 GB最慢最佳选型建议日常快速验证、脚本流水线、资源受限环境优先选 tiny追求较高准确率且机器性能尚可时选 medium对转写质量要求苛刻如字幕、文稿整理且不在乎耗时与存储时选 large。需要说明的是表内数值与「medium 可完美解码《乌鸦》」的结论均出自官方文档实际效果会随音频噪声、口音与语速浮动。安装为系统命令如果喜欢 whisperfile还可以把它安装为系统级命令之后直接敲whisperfile即可使用.cosmocc/4.0.2/bin/make -j8 sudo make install第一步先编译全部目标第二步sudo make install将可执行文件安装到系统 PATH。安装后即可参考 docs/whisperfile/index.md 中的快捷示例whisperfile -m whisper-tiny.en-q5_1.bin audio.wav、用--translate把非英语语音翻译成英语、或启动whisper-server -m whisper-tiny.en-q5_1.bin --port 8080提供 HTTP 转写服务。进阶阅读与更多能力whisperfile 不止步于命令行转写本仓库的 docs/whisperfile 目录还收录了多项进阶主题docs/whisperfile/packaging.md把二进制与模型权重打包成单一可移植可执行文件whisperfile 的核心分发形态docs/whisperfile/gpu.md--gpu auto自动选用 Apple Metal、NVIDIA CUDA、AMD ROCm或--no-gpu强制 CPUGPU 加速对 medium、large 模型收益最大tiny 模型 CPU 已足够快docs/whisperfile/translate.md把任意语言的语音转写成英语docs/whisperfile/server.mdHTTP 服务器与 REST API 远程转写。其余命令行参数可参考 docs/cli_arguments.md其中-t/--threads控制 CPU 线程数、--gpu-layers控制 GPU 卸载层数等通用选项同样适用于 whisperfile。至此你已经掌握了从零构建 whisperfile、下载模型、转写常见音频格式并选择合适模型的全过程可以立刻用它处理自己的语音素材。【免费下载链接】llamafileDistribute and run LLMs with a single file.项目地址: https://gitcode.com/GitHub_Trending/ll/llamafile创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考