安装必要的编译工具

根据你的操作系统（如macOS, Linux, Windows），确保已安装Git和C/C++编译器（如gcc/clang，或Windows上的MSVC/MinGW）。对于macOS，通常已自带。对于Linux，可能需要运行 `sudo apt install build-essential` 或类似命令。

Windows用户建议使用MSYS2或WSL2来获得类似Linux的体验，或者直接使用Visual Studio的开发者命令提示符。

克隆项目仓库

打开终端，运行 `git clone https://github.com/ggml-org/whisper.cpp` 将项目下载到本地。

进入项目目录

运行 `cd whisper.cpp` 进入项目根目录。

下载预转换的模型

运行 `./models/download-ggml-model.sh base.en` 下载一个较小的英文专用模型。这是最快上手的模型。

模型会下载到 `models/` 目录下。如果脚本执行失败，可以手动从项目Releases页面或Hugging Face寻找ggml格式的模型文件。

编译基础命令行程序

运行 `make` 命令编译项目。这会在 `build/bin/` 目录下生成可执行文件，主要是 `whisper-cli`。

如果编译出错，请检查前置的编译工具是否安装正确。这是最常见的问题。

运行快速演示

运行 `make base.en`。这个命令会自动下载 `base.en` 模型并对项目自带的 `samples/` 目录下的.wav样例文件进行转录。

这是验证一切是否正常工作的最快方法。观察终端输出，应该能看到识别出的英文文本。

转录自己的音频文件

1. 确保你的音频文件是16-bit单声道WAV格式。如果不是，使用ffmpeg转换：`ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav`。 2. 运行转录命令：`./build/bin/whisper-cli -m models/ggml-base.en.bin -f path/to/your/output.wav`。

`-m` 指定模型路径，`-f` 指定音频文件路径。可以尝试 `-h` 查看所有参数，例如 `-l zh` 指定中文语言（如果使用多语言模型）。

尝试不同模型

下载其他模型进行对比，例如更小的 `tiny` 或更强大的 `small`。运行 `./models/download-ggml-model.sh tiny`，然后用 `-m models/ggml-tiny.bin` 参数运行转录。观察速度、内存占用和准确率的差异。

参考README中的‘Memory usage’表格，根据你的硬件选择合适模型。内存小的电脑不要轻易尝试‘large’模型。

探索更多样例

运行 `./samples/download-samples.sh` 下载更多音频样例进行测试。

根据硬件启用加速

根据你的硬件，在编译时启用相应支持以获得更快速度。例如： - Apple Silicon (Mac)：`make clean && WHISPER_METAL=1 make` 启用Metal GPU加速。 - NVIDIA GPU：`make clean && WHISPER_CUDA=1 make`。 - 其他：参考README中的OpenBLAS、Vulkan、Core ML等部分。

每次切换编译选项前，最好先运行 `make clean`。加速功能可能需要额外安装库（如CUDA Toolkit）。

了解量化模型

运行 `./models/quantize.sh` 脚本，将下载的模型进行量化，生成更小、可能更快的 `.q4_0.bin` 等文件。然后用量化后的模型进行转录。

量化模型会损失少量精度，但能显著减少内存和磁盘占用，在资源受限的设备（如树莓派）上很有用。