本地就能跑Dart 離線語音轉寫的 3 個關鍵取舍【免費下載鏈接】whisper_dartspeech recognition in dart support all audio format and support server side client side, support all language, only support in cpu only項目地址: https://gitcode.com/gh_mirrors/wh/whisper_dartwhisper_dart 是一個把 Whisper 搬進 Dart 與 Flutter 的離線語音轉寫庫音頻在設備本地被轉成文字純 CPU 推理、無需聯(lián)網(wǎng)服務端和客戶端都能跑。不用部署 Python 環(huán)境也不用申請 GPU編譯一個 so 文件就能開始你的 Dart 語音識別。它到底能干什么直接吃各種格式的音頻底層用 FFmpeg 自動轉碼mp3、m4a 不用你手動轉 wav扔進來就能轉。純 CPU 完成識別不依賴 GPU2GB 內(nèi)存的舊安卓機上實測可用老設備也能跑。一份代碼兩端通用服務端批量轉文件和 App 內(nèi)調(diào)用是同一套 API不用寫兩遍。模型大小任選從 tiny 到 large用磁盤和內(nèi)存換準確度檔位自己定。本地 CPU 離線語音轉寫的 3 個關鍵取舍選 whisper.cpp 而不是 Python 版識別邏輯是 C 原生庫Dart 通過 FFI 加載換來移動端能跑、進程占用低代價是每種平臺要自己編譯一遍 so 文件。音頻轉換交給 FFmpeg你只管傳文件路徑格式適配在庫內(nèi)完成不用關心采樣率和聲道。明確只跑 CPU好處是零硬件門檻代價是 large 模型速度慢。模型體積與內(nèi)存差一個數(shù)量級先估設備內(nèi)存再選型模型磁盤占用內(nèi)存占用tiny75MB125MBlarge2.9GB3.3GBDart 語音識別什么場景下你會真的用到它播客剪輯師幾小時的訪談錄音本地轉成文字后直接全文搜索找金句素材不出門也不等云端排隊。聽力障礙用戶會議或課堂上離線聽寫沒有網(wǎng)絡也有字幕錄音和結果都留在本地。后端開發(fā)者Linux 服務器夜間批量轉寫錄音文件正好用上 CPU 的閑置時間。上手之前先看這幾條平臺Linux、Android、CLI 已測試Windows、macOS、iOS、web 在路線上先確認你的目標平臺。離線模型下載后完全斷網(wǎng)可用識別過程不產(chǎn)生網(wǎng)絡請求。集成比純 Dart 庫多一步——先按 native/compile.md 用 CMake 把源碼編譯成共享庫一次編譯長期復用。短板如實說模型體積不小large 近 3GB首次下載要有耐心實時轉寫功能尚在補齊。調(diào)用本身很短把 so 庫路徑、音頻和模型文件傳進去結果就返回了Whisper whisper Whisper(); var res await whisper.request( whisperLib: libwhisper.so, whisperRequest: WhisperRequest.fromWavFile( audio: File(audio), model: File(model), ), );想動手的話執(zhí)行git clone https://gitcode.com/gh_mirrors/wh/whisper_dart打開 package/whisper/example 下的示例工程按平臺選對應的 import 就能跑起來。【免費下載鏈接】whisper_dartspeech recognition in dart support all audio format and support server side client side, support all language, only support in cpu only項目地址: https://gitcode.com/gh_mirrors/wh/whisper_dart創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考