Constme-Whisper是一款本地離線語音轉(zhuǎn)文字工具，支持 GPU、支持實時語音轉(zhuǎn)換。Whisper是由 OpenAI 訓練并開源的神經(jīng)網(wǎng)絡，在英語語音識別方面的穩(wěn)健性和準確性接近人類水平whisper.cpp 項目是將 Whisper 移植到 C/C++ 中，而今天介紹的 Const-me/Whisper 項目則是 whisper.cpp 在 Windows 上的實現(xiàn)，并增加了顯卡的支持，使得速度大幅提升。歡迎需要此款工具的朋友前來下載使用。

軟件介紹

Constme-Whisper是OpenAI的Whisper自動語音識別ASR模型的衍生項目。

Constme-Whisper可以在Windows上使用，支持高性能GPGPU處理，可以利用GPU加速處理。

本體是個啟動器，需要結合一個語言識別模型文件（ggml-tiny、ggml-small、ggml-base、ggml-medium、ggml-large）使用，模型越大，效果越好，但相對的速度也更慢。

軟件特點

基于DirectCompute的與供應商無關的GPGPU;該技術的另一個名稱是“Direct3D 11 中的計算著色器”

純C++實現(xiàn)，除了基本的操作系統(tǒng)組件外，沒有運行時依賴關系

比OpenAI的實現(xiàn)快得多。

混合 F16 / F32 精度：Windows 需要自 D3D 版本 10.0 起支持緩沖區(qū)R16_FLOAT

內(nèi)置性能探查器，用于測量單個計算著色器的執(zhí)行時間

內(nèi)存使用率低

用于音頻處理的媒體基礎，支持大多數(shù)音頻和視頻格式（Ogg Vorbis除外）， 以及大多數(shù)在Windows上運行的音頻捕獲設備（除了一些專業(yè)設備，它們只實現(xiàn)ASIO API）。

用于音頻捕獲的語音活動檢測。

易于使用的 COM 樣式 API，nuget 上提供的慣用 C# 包裝器

提供預構建的二進制文件

下載 Whisper 模型

而 Const-me 的這個名為 Whisper 的項目，目前僅提供 Windows 版本，使用簡單，需要先下載模型：

ggml-medium.bin

開發(fā)者推薦 ggml-medium.bin，因為一直在使用這個模型進行測試，1.53 GB 大小。

使用 Whisper

在 Model Path 里面選擇你下載的模型，然后選擇 GPU 就能進入軟件了。

之后，就可以選擇通過麥克風實時轉(zhuǎn)換，或者使用音頻文件比如 MP3 來轉(zhuǎn)換為文字了：

青小蛙隨便測試了一個極客灣的視頻（僅下載了音頻），效果如下：

準確度很高，基本上比較滿意。

由于是在虛擬機中測試，顯卡性能有限，所以時間不具有參考性。

不過，開發(fā)者的測試是在裝有 GeForce 1080Ti GPU 的臺式電腦上，中型模型，3 分 24 秒語音使用 PyTorch 和 CUDA 轉(zhuǎn)錄需要 45 秒，但使用這個和 DirectCompute 只需要 19 秒。而 @JoeCubber 同學測試的是 11:31 分鐘的音頻，耗時1分26秒完成。

當然，你需要有顯卡。

實在是沒想到，挖礦之后，顯卡又有了用武之地。

更新日志

更新了文檔和 GUI 中的模型源 URL

可靠性增強，麥克風捕獲不太可能轉(zhuǎn)換到“停滯”狀態(tài)并丟棄音頻

注意：

需要不低于Win8.1的64位Windows

文件main.exe為命令行調(diào)用工具