イントロダクション

最近、C++/Qtを使って音声認識ツールのソフトウェアを開発しており、その中でOpenAIのwhisper.cppを試しています。
whisper.cppは、OpenAIのWhisperモデルのC/C++移植実装であるオープンソースプロジェクトです。
OpenAIのWhisperは、大量の多言語および多タスクの監視データでトレーニングされており、複数の言語での音声認識、音声翻訳、言語識別などのタスクを実行できる自動音声認識（ASR）システムです。whisper.cppプロジェクトは、このモデルをWindows、Mac OS、Linux、Android、WebAssemblyなど、さまざまなプラットフォームでローカルに実行できるようにします。
whisper.cppの主な利点は以下の通りです：
依存関係なし：whisper.cppは、外部ライブラリやフレームワークをインストールする必要がなく、C/C++コンパイラさえあればコンパイルして実行できます。これにより、外部ライブラリへの依存が減ります。
軽量：whisper.cppライブラリは非常に小さく、1つのソースファイルで構成されているため、プロジェクトに統合しやすく、大小問わず過剰な負担をかけません。
高性能：テンプレートメタプログラミングとC++17の特性を活用することで、whisper.cppは実行時にほとんど追加のオーバーヘッドがありません。タイプセーフな方法を使用し、イベント処理の効率が保証されています。
シンプルで使いやすい：デザインがシンプルでわかりやすく、APIが使いやすいため、開発者はすぐにイベント駆動型のコードを書くことができます。

手順

step1 コードをダウンロード

git clone https://github.com/ggerganov/whisper.cpp

step2 モデルをダウンロード
whisper.cppプロジェクトのルートディレクトリに「models」フォルダがあります。その中に移動して、コマンドでモデルをダウンロードします。以下はCMDコマンドです。CMDで実行してください：

download-ggml-model.cmd small

またはシェルコマンド：

download-ggml-model.sh medium

もし上記の2つの方法がうまくいかない場合は、次のURLから手動でダウンロードできます：

https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

step3 コンパイル
上記の2つの手順が成功した後、Whisper.cppプロジェクトの「build/bin」ディレクトリでmain.exeを生成します：

cmake .
mingw32-make

step4 実行
ルートディレクトリに移動して、次のコマンドを実行すると、ターミナルに認識された字幕が表示されます：

.build/bin/whisper-cli.exe -m ./models/ggml-small.bin -f ./samples/jfk.wav