whisper.cpp
Port C/C++ haute performance du modèle Whisper d'OpenAI pour l'inférence parole-texte hors ligne.
Exécutez une reconnaissance vocale locale rapide sur tous vos appareils sans allocation de mémoire à l'exécution.
whisper.cpp est une implémentation C/C++ haute performance du modèle de reconnaissance vocale Whisper d'OpenAI. Il vous permet d'exécuter la reconnaissance automatique de la parole localement sans dépendances Python lourdes. Vous devez l'utiliser si vous avez besoin d'une transcription audio rapide, privée et hors ligne intégrée dans des applications C/C++ ou natives.
Qu'est-ce que c'est
Cet outil fournit une inférence légère pour les modèles Whisper en utilisant du C/C++ brut et la bibliothèque d'apprentissage automatique ggml. Il prend en charge l'accélération matérielle sur Apple Silicon, les GPU NVIDIA, Vulkan, OpenVINO et les architectures CPU via des instructions SIMD. Vous pouvez transcrire des fichiers WAV, effectuer une détection d'activité vocale et exécuter des modèles quantifiés en entiers pour réduire l'utilisation de la mémoire.
Pour qui
Il convient aux développeurs de logiciels, aux créateurs d'outils audio et aux intégrateurs système qui souhaitent une transcription parole-texte locale et rapide sans la surcharge d'un runtime Python. Il est moins adapté aux créateurs non techniques qui s'attendent à une interface utilisateur graphique prête à l'emploi.
Fonctionnalités clés
Prise en charge de premier ordre d'Apple Silicon
Utilise ARM NEON, Core ML, le framework Accelerate et Metal pour une exécution optimisée sur macOS et iOS.
Quantification des modèles entiers
Réduit la consommation de mémoire et les besoins en espace disque en quantifiant les modèles ggml jusqu'à une précision de 5 bits.
Large accélération matérielle de backend
Prend en charge les GPU NVIDIA, AMD ROCm, OpenVINO, Vulkan et les jeux d'instructions SIMD AVX ou VSX.
Aucune allocation de mémoire à l'exécution
Évite la surcharge de mémoire pendant l'exécution pour maintenir des performances prévisibles.
Opérationnel en 3 étapes
Notre verdict honnête
Ses atouts
- S'exécute entièrement hors ligne sans appels réseau externes ni coûts d'API cloud.
- N'a aucune dépendance externe obligatoire au-delà d'un compilateur C/C++ et de CMake.
- Prend en charge une grande variété de backends d'accélération matérielle, notamment Core ML, Metal, CUDA et Vulkan.
- Comprend des liaisons et des exemples pour iOS, Android, WebAssembly, Java et l'utilisation en ligne de commande.
Ses limites
- Nécessite des compilations en ligne de commande ou des étapes de configuration et d'intégration.
- N'accepte directement que les fichiers WAV 16 bits dans l'exemple CLI, nécessitant une conversion FFmpeg préalable pour les autres formats.
- Exige une allocation de ressources matérielles et de la mémoire système locale selon la taille du modèle Whisper choisi.
Tarifs & licence
whisper.cpp est entièrement gratuit et open source sous licence MIT. Le projet ne propose aucun niveau payant hébergé, votre seul coût est donc l'infrastructure matérielle sur laquelle vous l'exécutez.
Missions pour francophones
874 missions ouvertes à distance en entraînement d’IA, mises à jour le 15 novembre 2026 ; la plupart paient $20–$170 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Alternatives
Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.
Utilisez-le, ou laissez-nous l'installer
FAQ
Ai-je besoin de Python pour exécuter whisper.cpp ?
Non, le moteur d'inférence principal s'exécute entièrement en C/C++ sans dépendances de runtime Python.
Quels formats audio l'interface en ligne de commande accepte-t-elle ?
L'outil whisper-cli inclus nécessite spécifiquement des fichiers audio WAV 16 bits.
