Constme-Whisper(离线语音识别转文字) v1.12 绿色免费版(含完整模型)

Constme-Whisper是一款本地离线语音转文字工具，支持 GPU、支持实时语音转换。Whisper是由 OpenAI 训练并开源的神经网络，在英语语音识别方面的稳健性和准确性接近人类水平whisper.cpp 项目是将 Whisper 移植到 C/C++ 中，而今天介绍的 Const-me/Whisper 项目则是 whisper.cpp 在 Windows 上的实现，并增加了显卡的支持，使得速度大幅提升。欢迎需要此款工具的朋友前来下载使用。

软件介绍

Constme-Whisper是OpenAI的Whisper自动语音识别ASR模型的衍生项目。

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

本体是个启动器，需要结合一个语言识别模型文件（ggml-tiny、ggml-small、ggml-base、ggml-medium、ggml-large）使用，模型越大，效果越好，但相对的速度也更慢。

软件特点

基于DirectCompute的与供应商无关的GPGPU;该技术的另一个名称是“Direct3D 11 中的计算着色器”

纯C++实现，除了基本的操作系统组件外，没有运行时依赖关系

比OpenAI的实现快得多。

混合 F16 / F32 精度：Windows 需要自 D3D 版本 10.0 起支持缓冲区R16_FLOAT

内置性能探查器，用于测量单个计算着色器的执行时间

内存使用率低

用于音频处理的媒体基础，支持大多数音频和视频格式（Ogg Vorbis除外）， 以及大多数在Windows上运行的音频捕获设备（除了一些专业设备，它们只实现ASIO API）。

用于音频捕获的语音活动检测。

易于使用的 COM 样式 API，nuget 上提供的惯用 C# 包装器

提供预构建的二进制文件

下载 Whisper 模型

而 Const-me 的这个名为 Whisper 的项目，目前仅提供 Windows 版本，使用简单，需要先下载模型：

ggml-medium.bin

开发者推荐 ggml-medium.bin，因为一直在使用这个模型进行测试，1.53 GB 大小。

使用 Whisper

在 Model Path 里面选择你下载的模型，然后选择 GPU 就能进入软件了。

之后，就可以选择通过麦克风实时转换，或者使用音频文件比如 MP3 来转换为文字了：

青小蛙随便测试了一个极客湾的视频（仅下载了音频），效果如下：

准确度很高，基本上比较满意。

由于是在虚拟机中测试，显卡性能有限，所以时间不具有参考性。

不过，开发者的测试是在装有 GeForce 1080Ti GPU 的台式电脑上，中型模型，3 分 24 秒语音使用 PyTorch 和 CUDA 转录需要 45 秒，但使用这个和 DirectCompute 只需要 19 秒。而 @JoeCubber 同学测试的是 11:31 分钟的音频，耗时1分26秒完成。

当然，你需要有显卡。

实在是没想到，挖矿之后，显卡又有了用武之地。

更新日志

更新了文档和 GUI 中的模型源 URL

可靠性增强，麦克风捕获不太可能转换到“停滞”状态并丢弃音频

注意：

需要不低于Win8.1的64位Windows

文件main.exe为命令行调用工具