GGML 基金会推出的开源语音识别库「transcribe.cpp」正式发布。该库基于 GGML 构建，支持目前主流及最新的 20 个语音识别（ASR）模型家族，共 60 余种模型，官方表示可在几乎不改动代码的情况下直接替代 whisper.cpp。
transcribe.cpp 由 handy-computer 团队开发，项目代码托管于 GitHub。根据官方介绍，该库的核心特点包括：支持多种推理后端（Vulkan、Metal、CUDA、TinyBLAS）加速、所有模型均经过数值验证及 WER（词错误率）测试、支持流式与批量文字转写、提供 Python、JavaScript/TypeScript、Rust、Objective-C/Swift 四种官方绑定。
打开网易新闻 查看精彩图片
以下为 transcribe.cpp 目前支持的 ASR 模型家族：
- Parakeet
- Canary / Canary-Qwen
- Whisper
- GigaAM
- Moonshine / Moonshine Streaming
- Qwen3-ASR
- Cohere Transcribe
- SenseVoice
- FunASR Nano
- Nemotron Speech Streaming / Nemotron 3.5 ASR Streaming
- Multitalker Parakeet Streaming
- Granite Speech 4 / 4.1
- Voxtral / Voxtral Realtime
- MedASR
- MOSS Transcribe-Diarize
- Sortformer
安装方面，transcribe.cpp 只需 CMake 与 C/C++ 构建工具即可在多种平台上编译。以 Windows 为例，需先通过 winget 安装 Git、Visual Studio Build Tools 2022（C++ 组件）与 CMake，具体命令如下：
# Gitwinget install --id Git.Git --accept-source-agreements --accept-package-agreements# CMakewinget install --id Kitware.CMake --accept-source-agreements
开发者表示，随着新模型的发布，transcribe.cpp 的模型家族支持列表将持续扩充，未来还将增加更多语言的官方绑定。
热门跟贴