稳定版：v1.9.1 / 路线图

OpenAI Whisper 自动语音识别（ASR）模型的高性能推理实现：

无依赖的纯 C/C++ 实现

将 Apple Silicon 作为一等公民——通过 ARM NEON、Accelerate 框架、Metal 和 Core ML 进行优化

支持 x86 架构的 AVX 内在函数

支持 POWER 架构的 VSX 内在函数

混合 F16 / F32 精度

支持整数量化

运行时零内存分配

支持仅使用 CPU 进行推理

高效支持 NVIDIA GPU

支持摩尔线程 GPU

语音活动检测（VAD）

Mac OS（Intel 和 Arm）

Windows（MSVC 和 MinGW）

该模型的全部高层实现都包含在 whisper.h 和 whisper.cpp 中。其余代码属于 ggml 机器学习库。

如此轻量的模型实现可以轻松集成到不同的平台和应用程序中。例如，下面是一段在 iPhone 13 设备上运行该模型的视频——完全离线，在设备端运行：whisper.objc

你也可以轻松制作自己的离线语音助手应用程序：command

在 Apple Silicon 上，推理通过 Metal 完全运行在 GPU 上：

首先克隆仓库：

git clone https://github.com/ggml-org/whisper.cpp.git

进入该目录：

cd whisper.cpp

然后，下载一个已转换为 ggml 格式的 Whisper 模型。例如：

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

现在构建 whisper-cli 示例，并按如下方式转写音频文件：

# build the project
cmake -B build
cmake --build build -j --config Release

# transcribe an audio file
./build/bin/whisper-cli -f samples/jfk.wav

如需快速体验，只需运行 make base.en。

该命令会下载已转换为自定义 ggml 格式的 base.en 模型，并对 samples 文件夹中的所有 .wav 样本运行推理。

有关详细的使用说明，请运行：./build/bin/whisper-cli -h

请注意，whisper-cli 示例目前仅支持 16 位 WAV 文件，因此运行该工具前请务必转换输入文件。例如，可以像这样使用 ffmpeg：

ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav

如果你还想获取一些额外的音频样本进行试验，只需运行：

make -j samples

这会从 Wikipedia 下载更多音频文件，并通过 ffmpeg 将其转换为 16 位 WAV 格式。

你可以按如下方式下载并运行其他模型：

make -j tiny.en
make -j tiny
make -j base.en
make -j base
make -j small.en
make -j small
make -j medium.en
make -j medium
make -j large-v1
make -j large-v2
make -j large-v3
make -j large-v3-turbo

whisper.cpp 支持 POWER 架构，并包含可显著提升 POWER9/10 Linux 系统运行速度的代码，使其能够在降频运行的 Raptor Talos II 上实现快于实时速度的转写。请确保已安装 BLAS 软件包，并将标准 cmake 配置替换为：

# build with GGML_BLAS defined
cmake -B build -DGGML_BLAS=1
cmake --build build -j --config Release
./build/bin/whisper-cli [ .. etc .. ]

whisper.cpp 支持对 Whisper ggml 模型进行整数量化。量化模型需要的内存和磁盘空间更少，并且视硬件而定，可以得到更高效的处理。

以下是创建和使用量化模型的步骤：

# quantize a model with Q5_0 method
cmake -B build
cmake --build build -j --config Release
./build/bin/quantize models/ggml-base.en.bin models/ggml-base.en-q5_0.bin q5_0

# run the examples as usual, specifying the quantized model file
./build/bin/whisper-cli -m models/ggml-base.en-q5_0.bin ./samples/gb0.wav

在 Apple Silicon 设备上，可以通过 Core ML，在 Apple Neural Engine（ANE）上执行编码器推理。这可以显著提升速度——与仅使用 CPU 执行相比，速度可提高 3 倍以上。以下是生成 Core ML 模型并将其用于 whisper.cpp 的说明：

安装创建 Core ML 模型所需的 Python 依赖项：pip install ane_transformers pip install openai-whisper pip install coremltools 为确保 coremltools 正常运行，请确认已安装 Xcode，并执行 xcode-select --install 安装命令行工具。建议使用 Python 3.11。建议使用 MacOS Sonoma（版本 14）或更新版本，因为较旧版本的 MacOS 可能会遇到转写幻觉问题。[可选] 建议在此步骤中使用 Python 版本管理系统，例如 Miniconda：要创建环境，请使用：conda create -n py311-whisper python=3.11 -y 要激活环境，请使用：conda activate py311-whisper

安装创建 Core ML 模型所需的 Python 依赖项：

pip install ane_transformers
pip install openai-whisper
pip install coremltools

为确保 coremltools 正常运行，请确认已安装 Xcode，并执行 xcode-select --install 安装命令行工具。

建议使用 Python 3.11。

建议使用 MacOS Sonoma（版本 14）或更新版本，因为较旧版本的 MacOS 可能会遇到转写幻觉问题。

[可选] 建议在此步骤中使用 Python 版本管理系统，例如 Miniconda：要创建环境，请使用：conda create -n py311-whisper python=3.11 -y 要激活环境，请使用：conda activate py311-whisper

要创建环境，请使用：conda create -n py311-whisper python=3.11 -y

要激活环境，请使用：conda activate py311-whisper

生成 Core ML 模型。例如，要生成 base.en 模型，请使用：./models/generate-coreml-model.sh base.en 这将生成 models/ggml-base.en-encoder.mlmodelc 文件夹

生成 Core ML 模型。例如，要生成 base.en 模型，请使用：

./models/generate-coreml-model.sh base.en

这将生成 models/ggml-base.en-encoder.mlmodelc 文件夹

构建支持 Core ML 的 whisper.cpp：# using CMake cmake -B build -DWHISPER_COREML=1 cmake --build build -j --config Release

构建支持 Core ML 的 whisper.cpp：

# using CMake
cmake -B build -DWHISPER_COREML=1
cmake --build build -j --config Release

像往常一样运行示例。例如：$ ./build/bin/whisper-cli -m models/ggml-base.en.bin -f samples/jfk.wav ... whisper_init_state: loading Core ML model from 'models/ggml-base.en-encoder.mlmodelc' whisper_init_state: first run on a device may take a while ... whisper_init_state: Core ML model loaded system_info: n_threads = 4 / 10 | AVX = 0 | AVX2 = 0 | AVX512 = 0 | FMA = 0 | NEON = 1 | ARM_FMA = 1 | F16C = 0 | FP16_VA = 1 | WASM_SIMD = 0 | BLAS = 1 | SSE3 = 0 | VSX = 0 | COREML = 1 | ... 首次在设备上运行时速度较慢，因为 ANE 服务需要将 Core ML 模型编译为某种特定于设备的格式。后续运行会更快。

像往常一样运行示例。例如：

$ ./build/bin/whisper-cli -m models/ggml-base.en.bin -f samples/jfk.wav

...

whisper_init_state: loading Core ML model from 'models/ggml-base.en-encoder.mlmodelc'
whisper_init_state: first run on a device may take a while ...
whisper_init_state: Core ML model loaded

system_info: n_threads = 4 / 10 | AVX = 0 | AVX2 = 0 | AVX512 = 0 | FMA = 0 | NEON = 1 | ARM_FMA = 1 | F16C = 0 | FP16_VA = 1 | WASM_SIMD = 0 | BLAS = 1 | SSE3 = 0 | VSX = 0 | COREML = 1 |

...

首次在设备上运行时速度较慢，因为 ANE 服务需要将 Core ML 模型编译为某种特定于设备的格式。后续运行会更快。

有关 Core ML 实现的更多信息，请参阅 PR #566。

在支持 OpenVINO 的平台上，可以在 OpenVINO 支持的设备上执行编码器推理，包括 x86 CPU 以及 Intel GPU（集成和独立 GPU）。

这可以显著提升编码器的性能。以下是生成 OpenVINO 模型并将其用于 whisper.cpp 的说明：

首先，设置 Python 虚拟环境并安装 Python 依赖项。建议使用 Python 3.10。Windows：cd models python -m venv openvino_conv_env openvino_conv_env\Scripts\activate python -m pip install --upgrade pip pip install -r requirements-openvino.txt Linux 和 macOS：cd models python3 -m venv openvino_conv_env source openvino_conv_env/bin/activate python -m pip install --upgrade pip pip install -r requirements-openvino.txt

首先，设置 Python 虚拟环境并安装 Python 依赖项。建议使用 Python 3.10。

cd models
python -m venv openvino_conv_env
openvino_conv_env\Scripts\activate
python -m pip install --upgrade pip
pip install -r requirements-openvino.txt

cd models
python3 -m venv openvino_conv_env
source openvino_conv_env/bin/activate
python -m pip install --upgrade pip
pip install -r requirements-openvino.txt

生成 OpenVINO 编码器模型。例如，要生成 base.en 模型，请使用：python convert-whisper-to-openvino.py --model base.en。这将生成 ggml-base.en-encoder-openvino.xml/.bin IR 模型文件。建议将这些文件移至 ggml 模型所在的文件夹，因为这是 OpenVINO 扩展在运行时搜索的默认位置。

生成 OpenVINO 编码器模型。例如，要生成 base.en 模型，请使用：

python convert-whisper-to-openvino.py --model base.en

这将生成 ggml-base.en-encoder-openvino.xml/.bin IR 模型文件。建议将这些文件移至 ggml 模型所在的文件夹，因为这是 OpenVINO 扩展在运行时搜索的默认位置。

构建支持 OpenVINO 的 whisper.cpp：从发布页面下载 OpenVINO 软件包。推荐使用 2024.6.0 版本。所需库的即用型二进制文件可以在 OpenVINO Archives 中找到。将软件包下载并解压到开发系统后，通过加载 setupvars 脚本来配置所需环境。例如：Linux：source /path/to/l_openvino_toolkit_ubuntu22_2023.0.0.10926.b4452d56304_x86_64/setupvars.sh Windows（cmd）：C:\Path\To\w_openvino_toolkit_windows_2023.0.0.10926.b4452d56304_x86_64\setupvars.bat 然后使用 cmake 构建项目：cmake -B build -DWHISPER_OPENVINO=1 cmake --build build -j --config Release

构建支持 OpenVINO 的 whisper.cpp：

从发布页面下载 OpenVINO 软件包。推荐使用 2024.6.0 版本。所需库的即用型二进制文件可以在 OpenVINO Archives 中找到。

将软件包下载并解压到开发系统后，通过加载 setupvars 脚本来配置所需环境。例如：

source /path/to/l_openvino_toolkit_ubuntu22_2023.0.0.10926.b4452d56304_x86_64/setupvars.sh

C:\Path\To\w_openvino_toolkit_windows_2023.0.0.10926.b4452d56304_x86_64\setupvars.bat

然后使用 cmake 构建项目：

cmake -B build -DWHISPER_OPENVINO=1
cmake --build build -j --config Release

像往常一样运行示例。例如：$ ./build/bin/whisper-cli -m models/ggml-base.en.bin -f samples/jfk.wav ... whisper_ctx_init_openvino_encoder: loading OpenVINO model from 'models/ggml-base.en-encoder-openvino.xml' whisper_ctx_init_openvino_encoder: first run on a device may take a while ... whisper_openvino_init: path_model = models/ggml-base.en-encoder-openvino.xml, device = GPU, cache_dir = models/ggml-base.en-encoder-openvino-cache whisper_ctx_init_openvino_encoder: OpenVINO model loaded system_info: n_threads = 4 / 8 | AVX = 1 | AVX2 = 1 | AVX512 = 0 | FMA = 1 | NEON = 0 | ARM_FMA = 0 | F16C = 1 | FP16_VA = 0 | WASM_SIMD = 0 | BLAS = 0 | SSE3 = 1 | VSX = 0 | COREML = 0 | OPENVINO = 1 | ... 首次在 OpenVINO 设备上运行时会比较慢，因为 OpenVINO 框架会将 IR（中间表示）模型编译为特定于设备的“blob”。这个特定于设备的 blob 会被缓存，供下次运行使用。

像往常一样运行示例。例如：

$ ./build/bin/whisper-cli -m models/ggml-base.en.bin -f samples/jfk.wav

...

whisper_ctx_init_openvino_encoder: loading OpenVINO model from 'models/ggml-base.en-encoder-openvino.xml'
whisper_ctx_init_openvino_encoder: first run on a device may take a while ...
whisper_openvino_init: path_model = models/ggml-base.en-encoder-openvino.xml, device = GPU, cache_dir = models/ggml-base.en-encoder-openvino-cache
whisper_ctx_init_openvino_encoder: OpenVINO model loaded

system_info: n_threads = 4 / 8 | AVX = 1 | AVX2 = 1 | AVX512 = 0 | FMA = 1 | NEON = 0 | ARM_FMA = 0 | F16C = 1 | FP16_VA = 0 | WASM_SIMD = 0 | BLAS = 0 | SSE3 = 1 | VSX = 0 | COREML = 0 | OPENVINO = 1 |

...

首次在 OpenVINO 设备上运行时会比较慢，因为 OpenVINO 框架会将 IR（中间表示）模型编译为特定于设备的“blob”。这个特定于设备的 blob 会被缓存，供下次运行使用。

有关 OpenVINO 实现的更多信息，请参阅 PR #1037。

使用 NVIDIA 显卡时，可以通过 cuBLAS 和自定义 CUDA 内核在 GPU 上高效处理模型。首先，请确保已安装 cuda：https://developer.nvidia.com/cuda-downloads

现在构建支持 CUDA 的 whisper.cpp：

cmake -B build -DGGML_CUDA=1
cmake --build build -j --config Release

对于较新的 NVIDIA GPU（RTX 5000 系列），则使用：

cmake -B build -DGGML_CUDA=1 -DCMAKE_CUDA_ARCHITECTURES="86"
cmake --build build -j --config Release

这是一种跨厂商解决方案，可让你在 GPU 上加速工作负载。首先，请确保显卡驱动程序支持 Vulkan API。

现在构建支持 Vulkan 的 whisper.cpp：

cmake -B build -DGGML_VULKAN=1
cmake --build build -j --config Release

使用 AMD GPU 时，可以通过 HIP/ROCm 加速处理。首先，请确保已安装 ROCm。

现在构建支持 HIP 的 whisper.cpp：

cmake -B build -DGGML_HIP=1 -DAMDGPU_TARGETS="gfx1201"
cmake --build build -j --config Release

将 gfx1201 替换为你的 GPU 架构。可以使用以下命令查找：

rocminfo | grep "gfx"

常见架构：gfx1100（RX 7900 XTX）、gfx1101（RX 7800 XT）、gfx1201（RX 9070 XT）。对于架构不同的多块 GPU，请使用：-DAMDGPU_TARGETS="gfx1100;gfx1201"。

通过 OpenBLAS 提供 BLAS CPU 支持

可以通过 OpenBLAS 在 CPU 上加速编码器处理。首先，请确保已安装 openblas：https://www.openblas.net/

现在构建支持 OpenBLAS 的 whisper.cpp：

cmake -B build -DGGML_BLAS=1
cmake --build build -j --config Release

Ascend NPU 通过 CANN 和 AI Core 提供推理加速。

首先，检查你的 Ascend NPU 设备是否受支持：

然后，请确保已安装 CANN 工具包。建议使用最新版本的 CANN。

现在构建支持 CANN 的 whisper.cpp：

cmake -B build -DGGML_CANN=1
cmake --build build -j --config Release

像往常一样运行推理示例，例如：

./build/bin/whisper-cli -f samples/jfk.wav -m models/ggml-base.en.bin -t 8

如果在使用 Ascend NPU 设备时遇到问题，请创建一个带有 [CANN] 前缀/标签的 issue。

如果你已成功在 Ascend NPU 设备上运行，请协助更新“已验证设备”表格。

Moore Threads GPU 支持

使用 Moore Threads 显卡时，可以通过 muBLAS 和自定义 MUSA 内核在 GPU 上高效处理模型。首先，请确保已安装 MUSA SDK rc4.2.0：https://developer.mthreads.com/sdk/download/musa?equipment=&os=&driverVersion=&version=4.2.0

现在构建支持 MUSA 的 whisper.cpp：

cmake -B build -DGGML_MUSA=1
cmake --build build -j --config Release

也可以指定 Moore Threads GPU 的架构。例如，如果你使用 MTT S80 GPU，可以按如下方式指定架构：

cmake -B build -DGGML_MUSA=1 -DMUSA_ARCHITECTURES="21"
cmake --build build -j --config Release

FFmpeg 支持（仅限示例）

默认情况下，本仓库中的示例使用 miniaudio 库解码音频文件。部分示例也可以使用 FFmpeg 进行解码，从而支持更多格式。要启用此功能，请在构建时使用 WHISPER_COMMON_FFMPEG。

首先，需要安装所需的库：

# Debian/Ubuntu
sudo apt install libavcodec-dev libavformat-dev libavutil-dev

# RHEL/Fedora
sudo dnf install libavcodec-free-devel libavformat-free-devel libavutil-free-devel

然后可以按如下方式构建项目：

cmake -B build -D WHISPER_COMMON_FFMPEG=yes
cmake --build build

运行以下示例以确认其正常工作：

# Convert an audio file to Opus format
ffmpeg -i samples/jfk.wav jfk.opus

# Transcribe the audio file
./build/bin/whisper-cli --model models/ggml-base.en.bin --file jfk.opus

必须在系统上安装并运行 Docker。

创建一个用于存储大型模型和中间文件的文件夹（例如 /whisper/models）。

我们为本项目提供了多个 Docker 镜像：

ghcr.io/ggml-org/whisper.cpp:main：此镜像包含主可执行文件以及 curl 和 ffmpeg。（平台：linux/amd64、linux/arm64）

ghcr.io/ggml-org/whisper.cpp:main-cuda：与 main 相同，但编译时启用了 CUDA 支持。（平台：linux/amd64）

ghcr.io/ggml-org/whisper.cpp:main-musa：与 main 相同，但编译时启用了 MUSA 支持。（平台：linux/amd64）

ghcr.io/ggml-org/whisper.cpp:main-vulkan：与 main 相同，但编译时启用了 Vulkan 支持。（平台：linux/amd64）

# download model and persist it in a local folder
docker run -it --rm \
  -v path/to/models:/models \
  whisper.cpp:main "./models/download-ggml-model.sh base /models"

# transcribe an audio file
docker run -it --rm \
  -v path/to/models:/models \
  -v path/to/audios:/audios \
  whisper.cpp:main "whisper-cli -m /models/ggml-base.bin -f /audios/jfk.wav"

转录 samples 文件夹中的音频文件

docker run -it --rm
-v path/to/models:/models
whisper.cpp:main "whisper-cli -m /models/ggml-base.bin -f ./samples/jfk.wav"

运行 Web 服务器

docker run -it --rm -p "8080:8080"
-v path/to/models:/models
whisper.cpp:main "whisper-server --host 127.0.0.1 -m /models/ggml-base.bin"

使用 4 个线程在 small.en 模型上运行基准测试工具

docker run -it --rm
-v path/to/models:/models
whisper.cpp:main "whisper-bench -m /models/ggml-small.en.bin -t 4"

使用 Conan 安装

你可以使用 Conan 安装 whisper.cpp 的预构建二进制文件，也可以从源代码构建。使用以下命令：

conan install --requires="whisper-cpp/[*]" --build=missing

有关如何使用 Conan 的详细说明，请参阅 Conan 文档。

实时音频输入示例

这是一个对麦克风音频执行实时推理的简单示例。`stream` 工具每半秒对音频进行一次采样，并持续运行转录。更多信息请参阅 issue #10。你需要安装 sdl2，才能使其正常工作。

cmake -B build -DWHISPER_SDL2=ON cmake --build build -j --config Release ./build/bin/whisper-stream -m ./models/ggml-base.en.bin -t 8 --step 500 --length 5000

按置信度着色

添加 `--print-colors` 参数后，将使用一种实验性的颜色编码策略打印转录文本，以突出显示置信度较高或较低的单词：

./build/bin/whisper-cli -m models/ggml-base.en.bin -f samples/gb0.wav --print-colors

控制生成文本分段的长度（实验性）

例如，要将每行长度限制为最多 16 个字符，只需添加 `-ml 16`：

$ ./build/bin/whisper-cli -m ./models/ggml-base.en.bin -f ./samples/jfk.wav -ml 16

whisper_model_load: loading model from './models/ggml-base.en.bin' ... system_info: n_threads = 4 / 10 | AVX2 = 0 | AVX512 = 0 | NEON = 1 | FP16_VA = 1 | WASM_SIMD = 0 | BLAS = 1 |

main: processing './samples/jfk.wav' (176000 samples, 11.0 sec), 4 threads, 1 processors, lang = en, task = transcribe, timestamps = 1 ...

[00:00:00.000 --> 00:00:00.850] And so my [00:00:00.850 --> 00:00:01.590] fellow [00:00:01.590 --> 00:00:04.140] Americans, ask [00:00:04.140 --> 00:00:05.660] not what your [00:00:05.660 --> 00:00:06.840] country can do [00:00:06.840 --> 00:00:08.430] for you, ask [00:00:08.430 --> 00:00:09.440] what you can do [00:00:09.440 --> 00:00:10.020] for your [00:00:10.020 --> 00:00:11.000] country.

单词级时间戳（实验性）

可以使用 `--max-len` 参数获取单词级时间戳。只需使用 `-ml 1`：

$ ./build/bin/whisper-cli -m ./models/ggml-base.en.bin -f ./samples/jfk.wav -ml 1

whisper_model_load: loading model from './models/ggml-base.en.bin' ... system_info: n_threads = 4 / 10 | AVX2 = 0 | AVX512 = 0 | NEON = 1 | FP16_VA = 1 | WASM_SIMD = 0 | BLAS = 1 |

main: processing './samples/jfk.wav' (176000 samples, 11.0 sec), 4 threads, 1 processors, lang = en, task = transcribe, timestamps = 1 ...

[00:00:00.000 --> 00:00:00.320] [00:00:00.320 --> 00:00:00.370] And [00:00:00.370 --> 00:00:00.690] so [00:00:00.690 --> 00:00:00.850] my [00:00:00.850 --> 00:00:01.590] fellow [00:00:01.590 --> 00:00:02.850] Americans [00:00:02.850 --> 00:00:03.300] , [00:00:03.300 --> 00:00:04.140] ask [00:00:04.140 --> 00:00:04.990] not [00:00:04.990 --> 00:00:05.410] what [00:00:05.410 --> 00:00:05.660] your [00:00:05.660 --> 00:00:06.260] country [00:00:06.260 --> 00:00:06.600] can [00:00:06.600 --> 00:00:06.840] do [00:00:06.840 --> 00:00:07.010] for [00:00:07.010 --> 00:00:08.170] you [00:00:08.170 --> 00:00:08.190] , [00:00:08.190 --> 00:00:08.430] ask [00:00:08.430 --> 00:00:08.910] what [00:00:08.910 --> 00:00:09.040] you [00:00:09.040 --> 00:00:09.320] can [00:00:09.320 --> 00:00:09.440] do [00:00:09.440 --> 00:00:09.760] for [00:00:09.760 --> 00:00:10.020] your [00:00:10.020 --> 00:00:10.510] country [00:00:10.510 --> 00:00:11.000] .

通过 tinydiarize 进行说话人分段（实验性）

有关此方法的更多信息，请参阅：#1058

下载兼容 tinydiarize 的模型

./models/download-ggml-model.sh small.en-tdrz

按照常规方式运行，并添加 "-tdrz" 命令行参数

./build/bin/whisper-cli -f ./samples/a13.wav -m ./models/ggml-small.en-tdrz.bin -tdrz ... main: processing './samples/a13.wav' (480000 samples, 30.0 sec), 4 threads, 1 processors, lang = en, task = transcribe, tdrz = 1, timestamps = 1 ... ... [00:00:00.000 --> 00:00:03.800] Okay Houston, we've had a problem here. [SPEAKER_TURN] [00:00:03.800 --> 00:00:06.200] This is Houston. Say again please. [SPEAKER_TURN] [00:00:06.200 --> 00:00:08.260] Uh Houston we've had a problem. [00:00:08.260 --> 00:00:11.320] We've had a main beam up on a volt. [SPEAKER_TURN] [00:00:11.320 --> 00:00:13.820] Roger main beam interval. [SPEAKER_TURN] [00:00:13.820 --> 00:00:15.100] Uh uh [SPEAKER_TURN] [00:00:15.100 --> 00:00:18.020] So okay stand, by thirteen we're looking at it. [SPEAKER_TURN] [00:00:18.020 --> 00:00:25.740] Okay uh right now uh Houston the uh voltage is uh is looking good um. [00:00:27.620 --> 00:00:29.940] And we had a a pretty large bank or so.

生成卡拉 OK 风格的视频（实验性）

`whisper-cli` 示例支持输出卡拉 OK 风格的视频，其中当前读到的单词会被高亮显示。使用 `-owts` 参数，然后运行生成的 bash 脚本。此功能要求已安装 ffmpeg。

下面是几个“典型”示例：

./build/bin/whisper-cli -m ./models/ggml-base.en.bin -f ./samples/jfk.wav -owts source ./samples/jfk.wav.wts ffplay ./samples/jfk.wav.mp4

./build/bin/whisper-cli -m ./models/ggml-base.en.bin -f ./samples/mm0.wav -owts source ./samples/mm0.wav.wts ffplay ./samples/mm0.wav.mp4

./build/bin/whisper-cli -m ./models/ggml-base.en.bin -f ./samples/gb0.wav -owts source ./samples/gb0.wav.wts ffplay ./samples/gb0.wav.mp4

不同模型的视频对比

使用 `scripts/bench-wts.sh` 脚本生成以下格式的视频：

./scripts/bench-wts.sh samples/jfk.wav ffplay ./samples/jfk.wav.all.mp4

为了客观比较不同系统配置下的推理性能，请使用 whisper-