Whisper lokal di Mac: apa yang diperlukan, berapa biayanya, dan cara menjalankannya
Oleh Ryleigh Newman · Diterbitkan
Whisper lokal berarti menjalankan model ucapan Whisper dari OpenAI di Mac Anda sendiri, sehingga audio Anda menjadi teks di mesin itu dan bukan di server di suatu tempat. Di Mac, mesin yang perlu dikenal adalah whisper.cpp, yang memperlakukan Apple silicon sebagai warga kelas satu, dan keputusan yang penting adalah file modelnya: model yang lebih besar mendengar lebih baik dan memakan lebih banyak ruang disk serta memori.
Saya membahas bagaimana bagian-bagiannya saling cocok, berapa biaya tiap ukuran model menurut angka dari whisper.cpp sendiri, perintah untuk menjalankannya sendiri, dan di mana YapToText berada. Saya membuat YapToText, app gratis yang menjalankan whisper.cpp dengan file standar Whisper Large v3 Turbo (Q5), jadi timbanglah bagian itu dengan mengingat hal tersebut. Jika Anda hanya ingin tahu apakah ada app Whisper untuk Mac, halaman app Whisper untuk Mac menjawabnya.
Gratis diunduh. Tanpa akun dan tanpa fitur terkunci, untuk macOS 14 atau lebih baru di Mac dengan chip Apple. Kode sumber di GitHub.
Panduan ini dalam bahasa lain: English, العربية, Čeština, Dansk, Deutsch, Ελληνικά, Español, Suomi, Français, עברית, हिन्दी, Magyar, Italiano, 日本語, 한국어, Norsk, Nederlands, Polski, Português, Română, Русский, Slovenčina, Svenska, ไทย, Türkçe, Українська, Tiếng Việt, 简体中文, 繁體中文
Di halaman ini: 12 bagian
- Langkah
- Kenali tiga bagian Whisper lokal
- Pilih model menurut ruang disk dan memori
- Jalankan Whisper sendiri dengan whisper.cpp
- Pakai model yang sama di YapToText tanpa Terminal
- Jika Whisper lokal lambat atau salah mendengar Anda
- Yang tidak diubah oleh Whisper lokal
- Versi singkatnya
- Panduan
- Panduan lain, dalam bahasa Inggris
- Sumber
- Pertanyaan
Langkah
- Klon repositori whisper.cpp dari GitHub dan buka foldernya di Terminal.
- Unduh model dengan skrip download-ggml-model.sh milik proyek, misalnya large-v3-turbo-q5_0.
- Bangun proyek dengan CMake, memakai dua perintah cmake dari README-nya.
- Konversi rekaman Anda ke file WAV 16-bit, misalnya dengan ffmpeg.
- Jalankan whisper-cli dengan file model dan file WAV Anda, lalu baca transkripnya di Terminal.
Kenali tiga bagian Whisper lokal
Whisper lokal memiliki tiga bagian, dan ketiganya berada di Mac Anda. Modelnya adalah sebuah file, mesinnya menjalankannya, dan audio Anda tidak perlu meninggalkan mesin.
- Modelnya. Whisper adalah model pengenalan ucapan dari OpenAI, dan OpenAI merilis kode serta bobot modelnya di bawah Lisensi MIT. Anda mengunduh file model satu kali, dan file itulah yang mendengarkan.
- Mesinnya. whisper.cpp adalah implementasi Whisper dalam C dan C++ biasa, juga di bawah Lisensi MIT. README-nya menyebut Apple silicon sebagai warga kelas satu, dioptimalkan lewat ARM NEON, Accelerate, Metal, dan Core ML, dan menyatakan bahwa di Apple silicon inferensinya berjalan sepenuhnya di GPU lewat Metal. Paket dari OpenAI sendiri menjalankan Whisper dari Python.
- Audio Anda. Rekaman atau mikrofon Anda masuk, dan teks keluar. Internet hanya diperlukan untuk mengunduh file model sejak awal.
Itulah yang membedakannya dari layanan cloud: tidak ada yang diunggah untuk ditranskripsikan. Itu juga berarti Mac Anda yang bekerja, jadi model yang Anda pilih menentukan berapa banyak memori dan ruang disk yang dipakai pekerjaan itu.
Pilih model menurut ruang disk dan memori
whisper.cpp menerbitkan berapa yang dipakai tiap model di disk dan di memori, dan OpenAI menerbitkan berapa parameter yang dimiliki tiap model. Turbo adalah versi large-v3 yang lebih cepat dari OpenAI, dan file 5-bit-nya memakai sekitar seperlima ruang disk large.
Diperiksa pada 3 Oktober 2026, di README dan daftar model whisper.cpp serta di README Whisper dari OpenAI.
| Model | Parameter (OpenAI) | File di disk (whisper.cpp) | Memori (whisper.cpp) |
|---|---|---|---|
| tiny | 39 M | 75 MiB | Sekitar 273 MB |
| base | 74 M | 142 MiB | Sekitar 388 MB |
| small | 244 M | 466 MiB | Sekitar 852 MB |
| medium | 769 M | 1,5 GiB | Sekitar 2,1 GB |
| large (v1, v2, atau v3) | 1550 M | 2,9 GiB | Sekitar 3,9 GB |
| large-v3, 5-bit (q5_0) | large-v3 terkuantisasi | 1,1 GiB | Tidak tercantum |
| large-v3-turbo | 809 M | 1,5 GiB | Tidak tercantum |
| large-v3-turbo, 5-bit (q5_0) | turbo terkuantisasi | 547 MiB | Tidak tercantum |
MiB dan GiB dihitung dalam kelipatan 1.024, jadi file turbo 547 MiB di daftar whisper.cpp adalah file yang sama dengan yang ditampilkan YapToText sebagai 574 MB. Begitulah dua halaman yang jujur bisa mencantumkan satu file sebagai 547 dan 574 dan keduanya benar. Tabel memori whisper.cpp mencakup lima ukuran asli dan tidak memberi angka untuk turbo atau untuk file terkuantisasi.
Beberapa catatan lagi dari kedua proyek:
- Model khusus bahasa Inggris. tiny, base, small, dan medium juga tersedia sebagai file .en berukuran sama yang hanya mendengar bahasa Inggris. OpenAI menyatakan model itu cenderung lebih baik untuk bahasa Inggris, terutama tiny.en dan base.en, dan selisihnya mengecil untuk small.en dan medium.en.
- Model terkuantisasi. File berakhiran q5_0 terkuantisasi. whisper.cpp menyatakan model terkuantisasi memerlukan lebih sedikit memori dan ruang disk, dan tergantung perangkat kerasnya, dapat diproses dengan lebih efisien.
- Turbo. OpenAI menyebutnya versi large-v3 yang dioptimalkan dengan transkripsi lebih cepat dan penurunan akurasi yang minimal, dan menilainya sekitar 8 kali kecepatan large. Rasio itu diukur di A100, bukan di Mac, dan OpenAI menyatakan turbo tidak dilatih untuk terjemahan.
- Bahasa. OpenAI menyatakan performa Whisper sangat bervariasi tergantung bahasanya.
- Kolom memori OpenAI. README OpenAI mencantumkan VRAM yang diperlukan untuk paket Python-nya: sekitar 1 GB untuk tiny dan base, sekitar 6 GB untuk turbo, dan sekitar 10 GB untuk large. Itu bukan angka whisper.cpp.
Saya memilih file turbo 5-bit untuk YapToText karena pada dikte saya sendiri, file itu mendengar hampir persis seperti yang didengar model penuh, dengan sepertiga memori. Itu dikte satu orang, bukan tolok ukur, jadi cobalah dua ukuran pada suara Anda sendiri sebelum memutuskan.
Jalankan Whisper sendiri dengan whisper.cpp
Menjalankan whisper.cpp sendiri memerlukan Terminal dan dua alat yang diasumsikan perintah di README-nya, Git dan CMake. Ini perintah dari README itu sendiri, dengan model diganti file turbo 5-bit. Yang Anda dapatkan adalah transkrip file audio di Terminal, bukan kata-kata yang diketik ke app Anda.
Langkah 1: Ambil kode dan sebuah model
Terminal: Klon whisper.cpp dan unduh model turbo 5-bit.
git clone https://github.com/ggml-org/whisper.cpp.git
cd whisper.cpp
sh ./models/download-ggml-model.sh large-v3-turbo-q5_0Yang terjadi: Proyek mendarat di folder whisper.cpp, dan skrip mengunduh ggml-large-v3-turbo-q5_0.bin dari Hugging Face ke folder models-nya. Ganti dengan base.en atau small untuk unduhan yang lebih kecil.
Langkah 2: Bangun lalu transkripsikan contohnya
Terminal: Bangun whisper-cli, lalu jalankan pada rekaman contoh yang disertakan dengan proyek.
cmake -B build
cmake --build build -j --config Release
./build/bin/whisper-cli -m models/ggml-large-v3-turbo-q5_0.bin -f samples/jfk.wavYang terjadi: CMake membangun proyek, dan whisper-cli mentranskripsikan contoh dengan model yang Anda unduh lalu mencetak teksnya di Terminal.
Langkah 3: Konversi dulu audio Anda sendiri
README menyatakan whisper-cli saat ini hanya berjalan dengan file WAV 16-bit, dan memberikan perintah ffmpeg untuk mengonversi yang lain. ffmpeg adalah pemasangan terpisah.
Terminal: Ubah MP3 menjadi format WAV yang dibaca whisper-cli.
ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wavYang terjadi: ffmpeg menulis output.wav sebagai audio 16 kHz, mono, 16-bit, yang lalu Anda berikan ke whisper-cli setelah -f.
Atau pakai paket Python dari OpenAI
Terminal: Pasang paket dari OpenAI sendiri, jika Anda lebih suka bekerja di Python.
pip install -U openai-whisperYang terjadi: pip memasang perintah whisper. README OpenAI menyatakan kodenya diharapkan bekerja dengan Python 3.8 sampai 3.11, memerlukan ffmpeg, dan model defaultnya adalah turbo.
Untuk ucapan langsung, whisper.cpp menyertakan whisper-stream, yang mengambil sampel mikrofon Anda setiap setengah detik dan mentranskripsikan terus-menerus. Alat itu memerlukan SDL2, dan README menyebutnya contoh yang naif. Membawa kata-katanya ke Mail, Slack, atau editor Anda adalah bagian yang ditambahkan sebuah app.
Pakai model yang sama di YapToText tanpa Terminal
YapToText menjalankan mesin dan file yang sama tanpa jendela Terminal: salinan whisper.cpp yang tertanam di app dengan Metal dan Accelerate, dan ggml-large-v3-turbo-q5_0.bin di dalam unduhan App Store. SHA-256-nya cocok dengan file di Hugging Face, jadi itu model standar, bukan yang disetel khusus atau dilatih ulang. Saya membuat app ini karena saya sulit mengetik dengan tangan, dan saya ingin Whisper mengetik di setiap app dan bukan mencetak di jendela Terminal. Itu file yang diunduh skrip tadi. Yang berubah adalah semua yang ada di sekitarnya.
Inilah yang ditambahkan app di sekitar model:
- Memori yang dikembalikan. Di halaman Energy, Keep models in memory menentukan berapa lama model tetap dimuat setelah dikte: 2 minutes after use secara default, dengan pilihan dari Only while dictating sampai Until quit. Membongkar lebih cepat menghemat energi dan memori, dan dikte berikutnya setelah pembongkaran memerlukan beberapa detik tambahan.
- Ruang untuk macOS. Saat macOS kekurangan memori, YapToText langsung membuang model yang dimuatnya dan menunggu lima menit sebelum memanaskannya lagi.
- Model yang lebih ringan saat memakai baterai. Switch models with the power source, yang mati secara default, memberi model dikte dan model perapian masing-masing satu pilihan saat tersambung daya dan satu saat memakai baterai.
- File Anda sendiri. Di bawah Your own models pada halaman AI Models, Add Model menerima whisper.cpp GGML .bin apa pun, jadi model yang Anda unduh dengan skrip juga bisa dipakai. App membaca file itu untuk mengetahui apa isinya dan menolak yang lain.
- Angka Mac Anda. Kartu This Mac di halaman Energy menampilkan chip dan memori Anda, yang merupakan angka untuk dibandingkan dengan tabel di atas.
Dictation Model Library di halaman AI Models memiliki sepuluh model Whisper lagi, dari Tiny sampai Large v3, masing-masing dengan ukuran yang ditampilkan app. Panduan model AI mendaftarnya, dan panduan energi menjelaskan pengaturan memorinya. Unduhan App Store berukuran sekitar 2,9 GB karena kedua model app ada di dalamnya. Versi Homebrew berukuran sekitar 12 MB dan memerlukan unduhan model ucapan sebelum dikte pertamanya.
Jika Whisper lokal lambat atau salah mendengar Anda
Mulailah dengan perbaikan yang murah sebelum mengunduh model yang lebih besar. Perbaiki mikrofon dan kata-katanya sebelum mengubah model.
- Tunggu proses pertama. Sebuah model harus dimuat sebelum bisa mentranskripsikan. Di YapToText, dikte pertama setelah app dibuka memerlukan sebentar. Jika Anda membangun whisper.cpp dengan Core ML, README-nya menyatakan proses pertama di sebuah perangkat lambat selagi layanan Neural Engine mengompilasi modelnya.
- Atur bahasa yang Anda ucapkan. Pemilih Language di halaman AI Models YapToText dimulai dari bahasa sistem Mac Anda, dan bahasa yang tidak bisa dipakai Whisper beralih ke deteksi otomatis. Halaman bahasa mendaftar ke-29 bahasanya.
- Perbaiki mikrofon. Mikrofon Bluetooth berkualitas telepon, jadi mikrofon bawaan Mac mendengar lebih baik. Di YapToText, pilih di pemilih Input pada panel bar menu.
- Ajarkan kata-kata Anda. Halaman Dictionaries YapToText membekali Whisper dengan nama dan istilah Anda, tidak hanya memperbaiki apa yang diketiknya. Panduan kamus menunjukkan caranya.
- Pakai model khusus bahasa Inggris untuk bahasa Inggris. Jika memori terbatas dan Anda hanya berbicara bahasa Inggris, OpenAI menyatakan versi .en cenderung lebih baik, terutama pada tiny dan base.
- Ubah ukuran model. Naikkan jika salah dengar dan memori Anda memungkinkan, atau turunkan jika lambat. Di YapToText, peringkat bintang di halaman AI Models menunjukkan pertukarannya, dan setiap dikte di History menampilkan waktu dari berhenti sampai teks muncul miliknya sendiri.
Yang tidak diubah oleh Whisper lokal
Menjalankan Whisper secara lokal memindahkan pekerjaan ke Mac Anda, dan hanya itu yang dipindahkan. Lokal mengubah ke mana suara Anda pergi, bukan seberapa baik ia didengar.
- Kesalahan. Model yang menentukan seberapa baik ia mendengar, di mana pun ia berjalan, jadi nama yang salah didengarnya memerlukan entri kamus atau mikrofon yang lebih baik, bukan lokasi yang berbeda.
- Terjemahan. OpenAI menyatakan turbo tidak dilatih untuk terjemahan, dan YapToText hanya pernah meminta Whisper untuk mentranskripsikan, tidak pernah untuk menerjemahkan.
- Satu unduhan. Model lokal tetap harus tiba satu kali. Skrip whisper.cpp mengambilnya dari Hugging Face, versi App Store YapToText memilikinya di dalam, dan versi Homebrew mengambilnya dari halaman AI Models.
- Mac Intel. whisper.cpp mencantumkan Mac Intel dan Arm sebagai yang didukung. YapToText memerlukan chip Apple dan macOS 14 atau lebih baru, dan tidak ada klaim apa pun untuk Mac Intel.
- Angka akurasi. Saya tidak menerbitkan persentase akurasi untuk model mana pun. Bintang dan History Anda sendiri adalah panduannya.
Untuk membuktikan bahwa sebuah penyiapan benar-benar lokal, halaman dikte offline memiliki uji satu menit: matikan Wi-Fi lalu berdikte.
Versi singkatnya
- Whisper lokal. Sebuah file model dan sebuah mesin di Mac Anda, tanpa ada yang diunggah.
- Modelnya. File turbo 5-bit, 547 MiB di daftar whisper.cpp, adalah yang disertakan YapToText.
- Lakukan sendiri. Klon whisper.cpp, unduh model, bangun dengan CMake, dan jalankan whisper-cli pada file WAV 16-bit.
- Atau lewati Terminal. YapToText menjalankan file yang sama dan mengetik di app apa pun, gratis.
Pilih model menurut memori Mac Anda, lalu menurut suara Anda sendiri. Jika ada yang di sini tidak sesuai dengan yang Anda lihat, buka issue di GitHub. Setiap issue saya baca.
Gratis diunduh. Tanpa akun dan tanpa fitur terkunci, untuk macOS 14 atau lebih baru di Mac dengan chip Apple. Kode sumber di GitHub.
Panduan
Panduan lain, dalam bahasa Inggris
Sumber
- https://github.com/ggml-org/whisper.cpp (diperiksa 3/10/2026)
- https://github.com/ggml-org/whisper.cpp/blob/master/models/README.md (diperiksa 3/10/2026)
- https://github.com/openai/whisper (diperiksa 3/10/2026)
- https://huggingface.co/ggerganov/whisper.cpp/blob/main/ggml-large-v3-turbo-q5_0.bin (diperiksa 3/10/2026)
- https://github.com/ryleighnewman/YapToText (diperiksa 3/10/2026)
- https://apps.apple.com/us/app/yaptotext/id6786382289 (diperiksa 3/10/2026)
Pertanyaan
Bagaimana cara menjalankan Whisper secara lokal di Mac?
Pakai whisper.cpp: klon repositorinya, unduh model dengan skrip download-ggml-model.sh, bangun dengan CMake, dan jalankan whisper-cli pada file WAV 16-bit. Atau pasang app yang menyertakannya, seperti YapToText, yang menjalankan Whisper Large v3 Turbo tanpa penyiapan.
Berapa banyak memori yang diperlukan Whisper?
Itu bergantung pada modelnya. whisper.cpp mencantumkan sekitar 273 MB untuk tiny, 852 MB untuk small, 2,1 GB untuk medium, dan 3,9 GB untuk large, dan menyatakan model terkuantisasi memerlukan lebih sedikit. Tidak ada angka memori untuk turbo.
Model Whisper lokal mana yang terbaik?
Large v3 Turbo adalah titik awal yang saya sarankan, dan file 5-bit-nya adalah yang disertakan YapToText: 547 MiB di daftar whisper.cpp. Jika memori terbatas, small atau base memakai jauh lebih sedikit, dan OpenAI menyatakan versi khusus bahasa Inggris cenderung lebih baik untuk bahasa Inggris pada ukuran terkecil.
Seberapa besar model Whisper Large v3 Turbo?
1,5 GiB di daftar model whisper.cpp, atau 547 MiB sebagai file 5-bit q5_0, yaitu 574 MB jika dihitung dalam satuan desimal. OpenAI mencantumkan turbo dengan 809 juta parameter.
Apakah Whisper lokal memerlukan internet?
Hanya untuk mengunduh model satu kali. Setelah itu, whisper.cpp dan YapToText mentranskripsikan tanpa koneksi, dan versi App Store YapToText sudah menyertakan modelnya, jadi unduhan itu pun dilewati.
Bisakah saya memakai model whisper.cpp di YapToText?
Bisa. Di bawah Your own models pada halaman AI Models, Add Model menerima file whisper.cpp GGML .bin apa pun, dan app mengetahui isinya dari file itu sendiri.