whisper.cpp
Leistungsstarker C/C++-Port des Whisper-Modells von OpenAI für die Offline-Sprach-zu-Text-Inferenz.
Führen Sie schnelle, lokale Spracherkennung geräteübergreifend ohne Laufzeitspeicherallokationen aus.
whisper.cpp ist eine hochperformante C/C++-Implementierung des Whisper-Spracherkennungsmodells von OpenAI. Sie ermöglicht die lokale Ausführung automatischer Spracherkennung ohne schwere Python-Abhängigkeiten. Sie sollten es verwenden, wenn Sie eine schnelle, private, Offline-Audiotranskription benötigen, die in C/C++ oder native Anwendungen eingebettet ist.
Was es ist
Dieses Tool bietet eine schlanke Inferenz für Whisper-Modelle unter Verwendung von reinem C/C++ und der ggml-Bibliothek für maschinelles Lernen. Es unterstützt Hardwarebeschleunigung über Apple Silicon, NVIDIA-GPUs, Vulkan, OpenVINO und CPU-Architekturen mittels SIMD-Intrinsics. Sie können WAV-Dateien transkribieren, Spracherkennung durchführen und ganzzahlig quantisierte Modelle für einen geringeren Speicherbedarf ausführen.
Für wen
Es eignet sich für Softwareentwickler, Entwickler von Audiotools und Systemintegratoren, die eine lokale, schnelle Spracherkennung ohne den Overhead einer Python-Laufzeitumgebung wünschen. Es ist weniger geeignet für nicht-technische Anwender, die eine grafische Benutzeroberfläche von Haus aus erwarten.
Wichtige Funktionen
Erstklassige Apple Silicon-Unterstützung
Verwendet ARM NEON, Core ML, Accelerate Framework und Metal für optimierte Ausführung auf macOS und iOS.
Ganzzahlige Modellquantisierung
Reduziert den Speicherverbrauch und den Speicherplatzbedarf durch die Quantisierung von ggml-Modellen auf bis zu 5-Bit-Präzision.
Breite Hardware-Backend-Beschleunigung
Unterstützt NVIDIA-GPUs, AMD ROCm, OpenVINO, Vulkan und AVX- oder VSX-SIMD-Befehlssätze.
Keine Laufzeitspeicherallokation
Vermeidet Speicher-Overhead während der Ausführung, um eine vorhersagbare Ausführungsleistung aufrechtzuerhalten.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Läuft komplett offline ohne externe Netzwerkaufrufe oder Cloud-API-Kosten.
- Hat keine obligatorischen externen Abhängigkeiten außer einem C/C++-Compiler und CMake.
- Unterstützt eine Vielzahl von Hardwarebeschleunigungs-Backends einschließlich Core ML, Metal, CUDA und Vulkan.
- Enthält Bindings und Beispiele für iOS, Android, WebAssembly, Java und die Befehlszeilennutzung.
Schwächen
- Erfordert Builds über die Befehlszeile oder Kompilierungsschritte zur Einrichtung und Integration.
- Akzeptiert im Beispiel-CLI direkt nur 16-Bit-WAV-Dateien, was für andere Formate eine vorherige FFmpeg-Konvertierung erfordert.
- Verlangt die Zuweisung von Hardware-Ressourcen und lokalem Systemsspeicher je nach gewähltem Whisper-Modellformat.
Preise & Lizenz
whisper.cpp ist unter der MIT-Lizenz komplett kostenlos und open source. Es werden keine kostenpflichtigen Hosting-Stufen vom Projekt angeboten, sodass Ihre einzigen Kosten die Hardware-Infrastruktur sind, auf der Sie es betreiben.
Stellen für Deutschsprachige
876 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$170 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nutze es, oder lass es uns einrichten
FAQ
Benötige ich Python, um whisper.cpp auszuführen?
Nein, die Kern-Inferenz-Engine läuft vollständig in C/C++ ohne Abhängigkeiten von der Python-Laufzeitumgebung.
Welche Audioformate akzeptiert das CLI?
Das enthaltene whisper-cli-Tool benötigt ausdrücklich 16-Bit-WAV-Audiodateien.
