Whisper_CPP 语音识别集成
这是什么？
Whisper_CPP 是 OpenAI Whisper 模型的 C++ 高性能实现版本，通过 pythonnet 和 Whisper.net 库与 pyVideoTrans 集成。相比原生 Python 实现，Whisper_CPP 具有更快的推理速度和更低的内存占用。
核心优势：
- 原生 C++ 实现，运行效率高
- 支持 CUDA（NVIDIA）和 Vulkan（AMD）GPU 加速
- 无需安装复杂的 Python 依赖
- 模型文件格式为 GGML，体积更小
支持的模型
Whisper_CPP 使用 GGML 格式模型文件（.bin 扩展名），支持以下模型：
| 模型文件 | 参数量 | 显存需求 | 识别效果 | 推荐场景 |
|---|---|---|---|---|
| ggml-tiny.bin | 39M | ~1GB | 一般 | 快速测试 |
| ggml-base.bin | 74M | ~1GB | 较好 | 日常简单场景 |
| ggml-small.bin | 244M | ~2GB | 好 | 多语言识别 |
| ggml-medium.bin | 769M | ~5GB | 很好 | 高精度识别 |
| ggml-large-v1.bin | 1550M | ~10GB | 好 | 大模型 v1 |
| ggml-large-v2.bin | 1550M | ~10GB | 很好 | 大模型 v2 |
| ggml-large-v3.bin | 1550M | ~10GB | 最佳 | 最高精度 |
| ggml-large-v3-turbo.bin | 1550M | ~10GB | 最佳且更快 | 推荐首选 |
推荐：
ggml-large-v3-turbo.bin在保持最高精度的同时速度更快，是大多数用户的首选。
环境要求
Windows 系统
- Windows 10/11 64位
- 如需 GPU 加速：
- NVIDIA 显卡：需要安装对应版本的 CUDA Toolkit（支持 CUDA 11.x 或 12.x）
- AMD 显卡：需要支持 Vulkan 的驱动程序
macOS 系统
- macOS 12.0 或更高版本
- 支持 Apple Silicon (M1/M2/M3) 和 Intel 处理器
安装步骤
步骤一：下载 whisper-cli 主程序
根据你的操作系统和硬件情况，选择对应的预编译版本：
下载地址：https://github.com/ggml-org/whisper.cpp/releases/tag/v1.8.2
| 系统配置 | 下载文件 | 说明 |
|---|---|---|
| Windows（无 NVIDIA 显卡） | whisper-bin-x64.zip | CPU 版本 |
| Windows（有 NVIDIA 显卡，CUDA 12.x） | whisper-cublas-12.4.0-bin-x64.zip | CUDA 12 GPU 加速版 |
| Windows（有 NVIDIA 显卡，CUDA 11.x） | whisper-cublas-11.8.0-bin-x64.zip | CUDA 11 GPU 加速版 |
| macOS | whisper-v1.8.2-xcframework.zip | Apple 原生框架版 |
步骤二：解压并整理文件
将下载的压缩包解压到一个不含中文和空格的简短路径下
推荐路径：
D:\whispercpp或C:\whispercpp注意：路径中包含中文或空格可能导致程序运行异常，请务必避免。
解压后确认目录中包含
whisper-cli.exe文件确保依赖文件夹结构正确：
whispercpp/ ├── whisper-cli.exe （主程序） ├── deps/ │ ├── Whisper.net.dll （.NET 绑定） │ └── native/ │ └── whisper.cpp 原生库文件 └── models/ └── ggml-*.bin （模型文件，需自行下载）
步骤三：下载模型文件
从以下地址下载 GGML 格式模型文件：
- 官方推荐下载源：https://huggingface.co/ggerganov/whisper.cpp/tree/main
- 镜像下载源（国内更快）：https://hf-mirror.com/ggerganov/whisper.cpp/tree/main
下载后将 .bin 文件放入 Whisper_CPP 安装目录的 models 文件夹内。
步骤四：在 pyVideoTrans 中配置
- 打开 pyVideoTrans 软件
- 点击菜单栏 → 语音识别设置 → Whisper_CPP
- 点击"选择 whisper-cli"按钮
- 在文件浏览窗口中找到解压后的
whisper-cli.exe文件 - 点击确定保存配置
关键参数说明
Whisper_CPP 支持以下可调参数，可根据需要在源码中调整：
| 参数名 | 默认值 | 说明 |
|---|---|---|
| no_speech_threshold | -0.8 | 语音检测阈值，值越小越灵敏 |
| logprob_threshold | -1.0 | 对数概率阈值，用于过滤低置信度结果 |
| condition_on_previous_text | true | 是否参考前文进行识别，开启可提高上下文连贯性 |
常见问题
| 问题 | 可能原因 | 解决方法 |
|---|---|---|
| whisper-cli.exe 无法启动 | 缺少 VC++ 运行库 | 安装 Microsoft Visual C++ Redistributable |
| 提示找不到模型文件 | 模型未下载或路径错误 | 将 .bin 模型文件放入 models/ 目录 |
| GPU 加速未生效 | CUDA/Vulkan 环境未配置 | 安装对应版本的 CUDA Toolkit 或更新显卡驱动 |
| 识别速度很慢 | 使用了 CPU 版本 | 下载对应的 CUDA 加速版本并正确配置 |
| 识别结果不准 | 模型太小或语言设置错误 | 使用更大的模型，确认语言设置正确 |
| 路径包含中文报错 | 程序路径不支持中文 | 将 whisper-cli 移动到不含中文的路径下 |