Chuyển đến nội dung

ggml-org / whisper.cpp

whisper.cpp

Chạy mô hình nhận dạng giọng nói Whisper của OpenAI ngay trên máy, nhẹ, offline, không cần Python

whisper.cpp là bản viết lại bằng C/C++ của Whisper, mô hình chuyển giọng nói thành văn bản của OpenAI, được tối ưu để chạy nhanh trên CPU thường, chip Apple, card NVIDIA, AMD và Vulkan. Không cần cài Python hay thư viện nặng: bạn biên dịch một lần, tải một file mô hình rồi chép lời file âm thanh bằng một lệnh. Nhiều ứng dụng chép lời và phụ đề offline dùng nó làm lõi.

  • 55.226 sao
  • 6.308 fork
  • C++
  • Cập nhật 3 ngày trước
  • MIT (dùng tự do, kể cả thương mại)
Độ khó
Khó Dành cho người biết lập trình
Dạng
Dòng lệnh (CLI), Thư viện lập trình
Chạy trên
Windows, macOS, Linux, Android, iOS, Docker
Chi phí
Miễn phí hoàn toàn

Trải nghiệm khi dùng whisper.cpp

Với người dùng bình thường, cách dùng thực tế là qua dòng lệnh. Bạn tải mã nguồn, biên dịch bằng CMake (vài lệnh), tải một mô hình theo kích cỡ bạn chọn rồi chạy chương trình whisper-cli với đường dẫn file âm thanh. Vài chục giây sau, văn bản chép lời hiện ngay trong Terminal.

Có một điểm hay vấp: whisper-cli trong ví dụ của README chỉ đọc file WAV 16-bit, nên file mp3 hay mp4 phải đổi sang WAV 16 kHz bằng FFmpeg trước. README đưa sẵn lệnh ffmpeg để làm việc này. Xong rồi bạn có thể yên tâm chép lời cho cả buổi họp, bài giảng mà không gửi âm thanh lên mạng.

Ngoài chép lời từ file, repo còn có ví dụ nghe micro theo thời gian thực, máy chủ HTTP nhỏ (whisper-server) để ứng dụng khác gọi vào, và bản chạy trên iPhone, Android và trình duyệt. Muốn ứng dụng có giao diện bấm chuột thì nên tìm phần mềm dùng whisper.cpp ở bên trong, vì bản thân repo là công cụ cho nhà phát triển.

Tính năng nổi bật

Nhẹ và không phụ thuộc

Viết bằng C/C++ thuần, không cần Python, không cấp phát bộ nhớ trong lúc chạy, dễ nhúng vào ứng dụng khác.

Tối ưu cho nhiều phần cứng

Chạy tốt trên CPU, chip Apple (Metal, Core ML), card NVIDIA (CUDA), Vulkan, AMD ROCm, OpenVINO và nhiều thiết bị khác.

Mô hình nhiều kích cỡ

Từ tiny đến large, có bảng dung lượng và bộ nhớ tham khảo trong README (ví dụ tiny khoảng 75 MiB, large khoảng 2,9 GiB trên ổ đĩa).

Lượng tử hoá

Nén mô hình để tiết kiệm đĩa và bộ nhớ, có hướng dẫn tạo bản q5_0.

Máy chủ và ví dụ thời gian thực

Có whisper-server để gọi qua HTTP và ví dụ stream chép lời từ micro.

Chạy trên điện thoại và web

Có ví dụ cho iOS, Android, WebAssembly và nhiều ngôn ngữ lập trình khác.

Tận dụng whisper.cpp vào việc gì?

Dân văn phòng, sinh viên

Chép lời cuộc họp, bài giảng, podcast offline

Không phải gửi âm thanh nhạy cảm lên dịch vụ nào, vì mọi xử lý nằm trên máy bạn.

Người làm YouTube, TikTok

Làm phụ đề cho video

Chép lời video của bạn, rồi chỉnh sửa và dùng làm phụ đề trong phần mềm dựng.

Lập trình viên

Nhúng nhận dạng giọng nói vào ứng dụng

Dùng thư viện C hoặc whisper-server để thêm tính năng chép lời vào app desktop, di động hoặc dịch vụ nội bộ.

Người thích tự chế

Lệnh bằng giọng nói trên thiết bị nhỏ

Chạy các mô hình nhỏ trên máy cấu hình thấp hoặc Raspberry Pi theo các ví dụ trong repo.

Cần chuẩn bị gì?

  • Máy Windows, macOS hoặc Linux; hỗ trợ cả CPU thường nên không bắt buộc card đồ hoạ.
  • Công cụ biên dịch: Git, CMake và trình biên dịch C++ (Visual Studio Build Tools trên Windows).
  • RAM theo mô hình: bảng trong README ghi base khoảng 388 MB, small khoảng 852 MB, medium khoảng 2,1 GB, large khoảng 3,9 GB.
  • FFmpeg để đổi file âm thanh sang WAV 16 kHz.

Hướng dẫn cài đặt chi tiết

Cài trên Biên dịch từ mã nguồn

  1. Cài Git, CMake và trình biên dịch C++ cho hệ điều hành của bạn. Rồi tải mã nguồn và vào thư mục dự án.

    Terminal
    git clone https://github.com/ggml-org/whisper.cpp.git
    cd whisper.cpp
  2. Tải một mô hình theo định dạng ggml. Ví dụ bản base.en (tiếng Anh). Với tiếng Việt hãy dùng bản đa ngôn ngữ như base, small, medium hoặc large; danh sách nằm trong thư mục models của repo.

    Terminal
    sh ./models/download-ggml-model.sh base
  3. Biên dịch bằng CMake.

    Terminal
    cmake -B build
    cmake --build build -j --config Release

Cài trên Có GPU

  1. Muốn dùng card NVIDIA, cài CUDA Toolkit trước rồi biên dịch lại với tuỳ chọn CUDA.

    Terminal
    cmake -B build -DGGML_CUDA=1
    cmake --build build -j --config Release
  2. Card AMD, Intel hoặc card khác hỗ trợ Vulkan có thể dùng tuỳ chọn Vulkan; máy Mac chip Apple có thể dùng Core ML theo hướng dẫn riêng trong README.

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

Cài trên Docker

  1. README có image chính thức. Lệnh dưới tải mô hình base về thư mục /tmp/whisper.cpp-models trên máy bạn (đổi đường dẫn nếu cần).

    Terminal
    mkdir -p /tmp/whisper.cpp-models
    docker run -it --rm -v /tmp/whisper.cpp-models:/models ghcr.io/ggml-org/whisper.cpp:main download-ggml-model.sh base /models
  2. Chép lời một file WAV trong thư mục âm thanh bạn đã gắn vào, ví dụ /tmp/whisper.cpp-audio.

    Terminal
    docker run -it --rm -v /tmp/whisper.cpp-models:/models -v /tmp/whisper.cpp-audio:/audios ghcr.io/ggml-org/whisper.cpp:main whisper-cli -m /models/ggml-base.bin -f /audios/file.wav

Dùng thử lần đầu

  1. Chuyển file âm thanh của bạn sang WAV 16 kHz một kênh bằng FFmpeg (lệnh có trong README).

    Terminal
    ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav
  2. Chạy chép lời với mô hình đã tải. Trên Linux và macOS đường dẫn như dưới; trên Windows file chạy nằm trong thư mục build\bin\Release.

    Terminal
    ./build/bin/whisper-cli -m models/ggml-base.bin -f output.wav
  3. Chạy bản thử mẫu của repo để kiểm tra mọi thứ hoạt động, dùng file mẫu có sẵn.

    Terminal
    ./build/bin/whisper-cli -f samples/jfk.wav
  4. Thử các mô hình lớn hơn như small hoặc medium nếu kết quả chưa đủ chính xác, vì bản nhỏ dễ nhầm với giọng khó và ngôn ngữ ít dữ liệu.

  5. Chạy whisper-cli -h để xem các tuỳ chọn khác như chọn ngôn ngữ, xuất phụ đề và mốc thời gian.

Mẹo dùng hay

  • Mô hình có đuôi .en chỉ dành cho tiếng Anh; với tiếng Việt hãy chọn bản đa ngôn ngữ (không có .en).
  • Máy yếu thì dùng bản tiny hoặc base, máy mạnh dùng small, medium hoặc large để chính xác hơn.
  • Dùng lượng tử hoá q5_0 để tiết kiệm bộ nhớ khi chạy trên thiết bị nhỏ.
  • Để tiện dùng hơn, tìm các ứng dụng đồ hoạ xây trên whisper.cpp; nhớ kiểm tra độ tin cậy trước khi tải.

Lưu ý và hạn chế

  • whisper.cpp chủ yếu là công cụ dòng lệnh và thư viện, không phải ứng dụng bấm chuột sẵn.
  • Chất lượng tiếng Việt phụ thuộc kích cỡ mô hình và chất lượng ghi âm; kết quả vẫn cần đọc lại và sửa lỗi, nhất là tên riêng và số.
  • Nếu ghi âm có người khác, hãy xin phép và tuân thủ quy định về ghi âm và quyền riêng tư.

Câu hỏi thường gặp

whisper.cpp có chép lời tiếng Việt không?

Có thể, nếu bạn dùng mô hình Whisper đa ngôn ngữ (không có đuôi .en). Mô hình càng lớn càng chính xác nhưng chạy chậm và tốn RAM hơn.

Có cần Internet không?

Chỉ cần ở bước tải mã nguồn và mô hình. Sau đó chép lời hoàn toàn offline.

Khác gì bản Whisper gốc của OpenAI?

whisper.cpp viết bằng C/C++, nhẹ và chạy tốt trên CPU hoặc thiết bị nhỏ, không cần Python. Bản gốc cần môi trường Python và thường dùng với GPU.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

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

Repo tương tự nên xem

Giọng nói & âm thanh AI113K

Whisper

openai / whisper

Chuyển giọng nói trong file ghi âm, video thành văn bản ngay trên máy, hỗ trợ nhiều ngôn ngữ

VừaWindowsmacOSLinuxPython
Giọng nói & âm thanh AI26,8K

faster-whisper

SYSTRAN / faster-whisper

Thư viện chạy Whisper nhanh hơn và tốn ít bộ nhớ hơn để chuyển giọng nói thành chữ.

VừaWindowsmacOSLinuxPython
Giọng nói & âm thanh AI22,8K

Buzz

chidiwilliams / buzz

Ứng dụng máy tính gỡ băng và dịch âm thanh offline bằng Whisper, xuất phụ đề SRT.

DễWindowsmacOSLinuxPython

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Giọng nói & âm thanh AI

Giọng nói & âm thanh AI65,2K

GPT-SoVITS

RVC-Boss / GPT-SoVITS

Nhân bản giọng nói chỉ từ 5 giây âm thanh, hoặc tinh chỉnh với khoảng 1 phút dữ liệu, kèm WebUI đầy đủ

VừaWindowsmacOSLinuxDocker+1
Giọng nói & âm thanh AI57,2K

VibeVoice

microsoft / VibeVoice

Bộ mô hình giọng nói của Microsoft: nhận dạng giọng nói dài 60 phút và đọc văn bản theo thời gian thực

KhóLinuxDockerPython
Giọng nói & âm thanh AI40K

ChatTTS

2noise / ChatTTS

Mô hình đọc văn bản cho hội thoại, giọng tự nhiên có cả tiếng cười và quãng ngắt nghỉ

KhóWindowsLinuxmacOSPython
Giọng nói & âm thanh AI39,3K

RVC (Retrieval-based Voice Conversion WebUI)

RVC-Project / Retrieval-based-Voice-Conversion-WebUI

Đổi giọng nói thành giọng khác chỉ cần khoảng 10 phút dữ liệu để huấn luyện, có giao diện web

KhóWindowsLinuxPython
Giọng nói & âm thanh AI38,3K

OpenVoice

myshell-ai / OpenVoice

Nhân bản âm sắc giọng nói từ một đoạn mẫu ngắn và cho đọc bằng nhiều ngôn ngữ, giấy phép MIT

KhóLinuxWindowsDockerPython
Giọng nói & âm thanh AI33,8K

Fish Speech

fishaudio / fish-speech

Mô hình đọc văn bản thành giọng nói, nhân bản giọng và điều khiển cảm xúc bằng thẻ trong câu.

KhóLinuxDockerPython

Xem cả 20 repo Giọng nói & âm thanh AI Về Kho Repo