transcribe.cpp

#machine-learning #speech-recognition #cpp

ggml（軽量テンソル演算ライブラリ）ベースの音声認識（ASR: Automatic Speech Recognition）推論エンジン。GitHub上でhandy-computer/transcribe.cppとして公開されている。whisper.cppの直接的な後継・置き換えを目指すプロジェクトで、多くのユースケースでwhisper.cppとほぼそのまま置き換え可能とされる（既存の.binファイルとの互換性も含む）。

開発の背景

音声入力アプリ「Handy」の開発者cjpaisによる作品。Handyはこれまでwhisper.cppを推論エンジンとして使っていたが、次バージョンではtranscribe.cppに置き換わる予定という位置づけ。

whisper.cppとの違い

whisper.cppはOpenAIのWhisperモデル専用の実装だったのに対し、transcribe.cppはWhisper以外の多数のASRモデルファミリーを横断的にサポートする、より汎用的な後継ライブラリという位置づけ。

特徴

  • 対応モデル数: 16種類以上のモデルファミリー、60以上のバリエーションに対応（GGUF形式）
    • Whisper（tiny〜large-v3-turbo、12バリエーション）に加え、Parakeet、Canary（NVIDIA製）、Moonshine、SenseVoice、Qwen3-ASR、GigaAM、Voxtralなど幅広くカバー
    • 話者分離（diarization）専用のSortformerにも対応
  • 品質保証: 公開している全モデルでWER（単語誤り率）を検証済み
  • GPUバックエンド: Metal（Apple Silicon）、Vulkan、CUDA、TinyBLAS（GPU非搭載CPU向け最適化パス）に対応し、AMD/Intel/NVIDIA/Appleを横断してカバー
  • 言語バインディング: Python、JavaScript/TypeScript、Rust、Objective-C/Swiftの公式バインディングあり

ビルド

cmake -B build && cmake --build build

Apple SiliconではMetalが自動有効化される。Vulkan（Linux/Windows）・CUDA・HIP/ROCmは対応オプションとして用意されている。量子化ツールのビルドには-DTRANSCRIBE_BUILD_TOOLS=ONフラグが必要。

出典

🔗 リンクされているノート

作成日時: 2026-08-12 13:02 / 更新日時: 2026-08-12 13:02