你是不是该自己跑 whisper.cpp？

网上大多数对比页面存在的目的，都是解释为什么另一个选择更差。这一页做不到，因为另一个选择正是我们的应用赖以构建的东西。

whisper.cpp 是 Georgi Gerganov 用 C/C++ 实现的 OpenAI Whisper。它采用 MIT 许可，免费，持续活跃开发，而且非常好用。Offline Transcription 用它作为引擎。当它加入内置的语音活动检测时，我们的应用也随之获得了这项功能，因为用的是同一套代码。

所以诚实的问题不是"哪个更好"，而是"你想不想自己动手组装"。

这些情况自己跑…… #

**你习惯用终端。**整件事就是 ./build/bin/whisper-cli -m model.bin -f audio.wav。如果这句话在你看来稀松平常，那你离一份转录文稿只有十分钟，不该为此付钱给任何人。

**你想写脚本。**监视文件夹、cron 任务、把转录文稿通过管道传给其他工具、在服务器上转录——在这些场景下，命令行不只是更便宜，而是确实更好。在自动化方面，没有哪个图形界面比得过一个 shell 循环。

**你想要每一个旋钮。**束搜索宽度、温度回退、自定义提示词、其他模型、完全不同的量化方式。我们开放的是我们认为大多数人需要的设置；whisper.cpp 把它们全部开放。

**你的预算是零。**完全合理。它是自由软件，而且好用。

这些情况用应用…… #

**你不想自己编译任何东西。**要在 Apple Silicon 上走快速路径，就得用正确的参数编译，并用 Python 工具把编码器转换成 Core ML。这有文档，也不难，但第一次还是要花一个下午，而且每次更新都得重新跑一遍。我们做一次，然后把结果直接交付。

**你想在手机上用。**代码仓库里有一个 iOS 示例项目，但要在自己的设备上编译、签名并安装，是一项实打实的 Xcode 工作，而且除非你有开发者账户，否则它会随着描述文件过期而失效。App Store 上的通用应用完全是另一回事。

**工作量在校对，而不在转录。**这才是问题的诚实核心。把音频变成文字只需要一条命令。找到你需要的那一段、对照音频核实一个人名、改正它、再导出字幕——真正的时间都花在这里，而命令行只会丢给你一个文本文件，祝你好运。点击一行就能听到那一行的分段浏览器，是终端做不到的。

**其他人也需要用它。**同事、研究团队、编辑。"安装 Xcode 命令行工具，然后运行 make"不是一个你能交给别人的工作流程。

你实际上在为什么付钱 #

不是模型——那是免费公开的。也不是引擎——那是 MIT 许可、公开的。

你付钱买的是打包：一个已编译好并随应用交付的 Core ML 编码器，一个体积适合放进手机的量化模型，一个队列，一个可按文件选择的语言选项，一个带音频回放的分段浏览器，七种导出格式，以及能让内存保持平稳的长文件处理，这样两小时的录音就不会让你的进程在 iPhone 上被系统杀掉。

这是相当可观的工作量，而你决定宁愿自己免费动手，也完全合理。

关于开源，值得说一句 #

因为我们的应用依赖于它：如果 whisper.cpp 对你有用，无论是通过我们的应用还是直接使用，都值得去给这个仓库点个星，看看它的 issue。本地转录之所以在过去几年里在消费级硬件上变得好用，很大程度上要归功于这个项目和它底层的 ggml 库。

我们一直密切关注它——我们关于本地转录如何工作的文章，本质上就是在描述 whisper.cpp 做了什么，因为运行的正是它。