1、环境

OS：Ubuntu 22.04

python version：3.10.6

2、安装FFmpeg

apt install ffmpeg

3、下载whisper.cpp源码

git clone https://github.com/ggerganov/whisper.cpp.git

下载模型，这里下载的是base模型。

bash ./models/download-ggml-model.sh base

如果不想下载模型，想要自己从 whisper 的模型中转换成 ggml 格式的模型，那么可以执行下面的命令。具体可以参考官方文档。

python models/convert-pt-to-ggml.py ~/.cache/whisper/medium.pt ~/path/to/repo/whisper/ ./models/whisper-medium
mv ./models/whisper-medium/ggml-model.bin models/ggml-medium.bin

对上面命令的解释：运行 models 下的 convert-pt-to-ggml.py 脚本，输入三个参数，第一个参数是你 whisper 模型的位置，第二个参数是保存 whisper 源码的路径，第三个参数是保存转完后文件的路径。最后要记得把转完之后的 ggml 格式的文件移动到指定的目录下。

4、编译安装 whisper.cpp

make base

5、使用

./main -m models/ggml-base.bin -f samples/jfk.wav

-m: 指定模型

-f: 指定要转录的音频文件

6、实时流

如果我们想要做成实时识别的效果，那么我们可以安装 stream，通过 stream 来达到实时识别输出。

# Install SDL2 on Linux
sudo apt-get install libsdl2-dev

# Install SDL2 on Mac OS
brew install sdl2

make stream

./stream -m ./models/ggml-base.en.bin -t 8 --step 500 --length 5000

Q.E.D.