Whisper ในเครื่องบน Mac: ต้องใช้อะไร ราคาเท่าไร และรันอย่างไร
เขียนโดย Ryleigh Newman · เผยแพร่
Whisper ในเครื่องหมายถึงการรันโมเดลรู้จำเสียงพูด Whisper ของ OpenAI บน Mac ของคุณเอง เสียงของคุณจึงกลายเป็นข้อความบนเครื่องแทนที่จะเป็นบนเซิร์ฟเวอร์ที่ไหนสักแห่ง บน Mac เอนจินที่ควรรู้จักคือ whisper.cpp ซึ่งถือว่าชิป Apple เป็นผู้ใช้ชั้นหนึ่ง และการตัดสินใจที่สำคัญคือไฟล์โมเดล โมเดลที่ใหญ่กว่าฟังได้ดีกว่าแต่ใช้พื้นที่ดิสก์และหน่วยความจำมากกว่า
ฉันอธิบายว่าส่วนต่าง ๆ เข้ากันอย่างไร โมเดลแต่ละขนาดมีค่าใช้จ่ายเท่าไรตามตัวเลขของ whisper.cpp เอง คำสั่งสำหรับรันเอง และ YapToText อยู่ตรงไหน ฉันพัฒนา YapToText ซึ่งเป็นแอปฟรีที่รัน whisper.cpp ด้วยไฟล์ Whisper Large v3 Turbo (Q5) มาตรฐาน จึงขอให้คำนึงถึงข้อนี้เมื่อพิจารณาส่วนนั้น ถ้าคุณแค่อยากรู้ว่ามีแอป Whisper สำหรับ Mac หรือไม่ หน้าแอป Whisper บน Macตอบเรื่องนั้น
ดาวน์โหลดฟรี ไม่ต้องมีบัญชีและไม่มีคุณสมบัติที่ถูกล็อค สำหรับ macOS 14 ขึ้นไปบน Mac ที่ใช้ชิป Apple ซอร์สโค้ดบน GitHub
คู่มือนี้ในภาษาอื่น: English, العربية, Čeština, Dansk, Deutsch, Ελληνικά, Español, Suomi, Français, עברית, हिन्दी, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Norsk, Nederlands, Polski, Português, Română, Русский, Slovenčina, Svenska, Türkçe, Українська, Tiếng Việt, 简体中文, 繁體中文
ในหน้านี้: 12 หัวข้อ
ขั้นตอน
- โคลนที่เก็บโค้ด whisper.cpp จาก GitHub แล้วเปิดโฟลเดอร์ของโปรเจกต์ใน Terminal
- ดาวน์โหลดโมเดลด้วยสคริปต์ download-ggml-model.sh ของโปรเจกต์ เช่น large-v3-turbo-q5_0
- บิลด์โปรเจกต์ด้วย CMake โดยใช้คำสั่ง cmake สองคำสั่งจาก README
- แปลงไฟล์บันทึกของคุณเป็นไฟล์ WAV 16 บิต เช่น ด้วย ffmpeg
- รัน whisper-cli กับไฟล์โมเดลและไฟล์ WAV ของคุณ แล้วอ่านข้อความถอดเสียงใน Terminal
รู้จักสามส่วนของ Whisper ในเครื่อง
Whisper ในเครื่องมีสามส่วน และทั้งสามอยู่บน Mac ของคุณ โมเดลคือไฟล์ เอนจินรันไฟล์นั้น และเสียงของคุณไม่ต้องออกจากเครื่อง
- โมเดล Whisper คือโมเดลรู้จำเสียงพูดของ OpenAI และ OpenAI เผยแพร่โค้ดกับน้ำหนักโมเดลภายใต้สัญญาอนุญาต MIT คุณดาวน์โหลดไฟล์โมเดลหนึ่งครั้ง แล้วไฟล์นั้นทำหน้าที่ฟัง
- เอนจิน whisper.cpp คือการติดตั้ง Whisper ด้วย C และ C++ ล้วน ภายใต้สัญญาอนุญาต MIT เช่นกัน README ของโปรเจกต์เรียกชิป Apple ว่า first-class citizen (ได้รับการรองรับอย่างดีที่สุด) ปรับให้เหมาะผ่าน ARM NEON, Accelerate, Metal และ Core ML และระบุว่าบนชิป Apple การอนุมานทำงานบน GPU ทั้งหมดผ่าน Metal ส่วนแพ็กเกจของ OpenAI เองรัน Whisper จาก Python
- เสียงของคุณ ไฟล์บันทึกหรือไมโครโฟนของคุณเข้าไป และข้อความออกมา ต้องใช้อินเทอร์เน็ตเฉพาะตอนดาวน์โหลดไฟล์โมเดลในครั้งแรกเท่านั้น
นี่คือสิ่งที่ทำให้ต่างจากบริการบนคลาวด์ ไม่มีอะไรถูกอัปโหลดเพื่อถอดเสียง และยังหมายความว่า Mac ของคุณเป็นผู้ทำงาน โมเดลที่คุณเลือกจึงกำหนดว่างานนั้นใช้หน่วยความจำและพื้นที่ดิสก์เท่าไร
เลือกโมเดลตามพื้นที่ดิสก์และหน่วยความจำ
whisper.cpp เผยแพร่ว่าแต่ละโมเดลใช้พื้นที่บนดิสก์และในหน่วยความจำเท่าไร และ OpenAI เผยแพร่ว่าแต่ละโมเดลมีพารามิเตอร์กี่ตัว Turbo คือเวอร์ชันที่เร็วกว่าของ large-v3 จาก OpenAI และไฟล์ 5 บิตของโมเดลนี้ใช้พื้นที่ดิสก์ประมาณหนึ่งในห้าของ large
ตรวจเมื่อ 3 ตุลาคม 2026 ใน README และรายการโมเดลของ whisper.cpp และใน README ของ Whisper จาก OpenAI
| โมเดล | พารามิเตอร์ (OpenAI) | ไฟล์บนดิสก์ (whisper.cpp) | หน่วยความจำ (whisper.cpp) |
|---|---|---|---|
| tiny | 39 M | 75 MiB | ประมาณ 273 MB |
| base | 74 M | 142 MiB | ประมาณ 388 MB |
| small | 244 M | 466 MiB | ประมาณ 852 MB |
| medium | 769 M | 1.5 GiB | ประมาณ 2.1 GB |
| large (v1, v2 หรือ v3) | 1550 M | 2.9 GiB | ประมาณ 3.9 GB |
| large-v3, 5 บิต (q5_0) | large-v3 แบบควอนไทซ์ | 1.1 GiB | ไม่ระบุในรายการ |
| large-v3-turbo | 809 M | 1.5 GiB | ไม่ระบุในรายการ |
| large-v3-turbo, 5 บิต (q5_0) | turbo แบบควอนไทซ์ | 547 MiB | ไม่ระบุในรายการ |
MiB และ GiB นับเป็นขั้นละ 1,024 ไฟล์ turbo ขนาด 547 MiB ในรายการของ whisper.cpp จึงเป็นไฟล์เดียวกับที่ YapToText แสดงเป็น 574 MB นั่นคือเหตุผลที่สองหน้าที่ซื่อตรงสามารถระบุไฟล์เดียวกันเป็น 547 และ 574 และถูกต้องทั้งคู่ ตารางหน่วยความจำของ whisper.cpp ครอบคลุมห้าขนาดดั้งเดิม และไม่มีตัวเลขสำหรับ turbo หรือไฟล์ควอนไทซ์
หมายเหตุเพิ่มเติมอีกเล็กน้อยจากสองโปรเจกต์
- โมเดลภาษาอังกฤษอย่างเดียว tiny, base, small และ medium มีไฟล์ .en ขนาดเท่ากันที่ฟังได้เฉพาะภาษาอังกฤษ OpenAI ระบุว่าโมเดลเหล่านี้มักทำได้ดีกว่าสำหรับภาษาอังกฤษ โดยเฉพาะ tiny.en และ base.en และความต่างลดลงสำหรับ small.en และ medium.en
- โมเดลควอนไทซ์ ไฟล์ที่ลงท้ายด้วย q5_0 เป็นแบบควอนไทซ์ whisper.cpp ระบุว่าโมเดลควอนไทซ์ใช้หน่วยความจำและพื้นที่ดิสก์น้อยกว่า และขึ้นอยู่กับฮาร์ดแวร์ ประมวลผลได้มีประสิทธิภาพกว่า
- Turbo OpenAI เรียกว่าเวอร์ชันที่ปรับให้เหมาะของ large-v3 ที่ถอดเสียงเร็วขึ้นโดยความแม่นยำลดลงน้อยที่สุด และประเมินว่าเร็วประมาณ 8 เท่าของ large อัตราส่วนนั้นวัดบน A100 ไม่ใช่บน Mac และ OpenAI ระบุว่า turbo ไม่ได้ฝึกสำหรับการแปล
- ภาษา OpenAI ระบุว่าประสิทธิภาพของ Whisper แตกต่างกันมากตามภาษา
- คอลัมน์หน่วยความจำของ OpenAI README ของ OpenAI ระบุ VRAM ที่ต้องใช้สำหรับแพ็กเกจ Python ของตัวเองแทน ประมาณ 1 GB สำหรับ tiny และ base ประมาณ 6 GB สำหรับ turbo และประมาณ 10 GB สำหรับ large ตัวเลขเหล่านั้นไม่ใช่ตัวเลขของ whisper.cpp
ฉันเลือกไฟล์ turbo 5 บิตสำหรับ YapToText เพราะจากการป้อนตามคำบอกของฉันเอง ไฟล์นี้ได้ยินเกือบเหมือนโมเดลเต็มทุกประการ โดยใช้หน่วยความจำหนึ่งในสาม นั่นคือการป้อนตามคำบอกของคนคนเดียว ไม่ใช่เกณฑ์วัดผล ดังนั้นลองสองขนาดกับเสียงของคุณเองก่อนตัดสินใจ
รัน Whisper เองด้วย whisper.cpp
การรัน whisper.cpp เองต้องใช้ Terminal และเครื่องมือสองอย่างที่คำสั่งใน README สมมุติว่ามี คือ Git และ CMake ต่อไปนี้เป็นคำสั่งจาก README เอง โดยเปลี่ยนโมเดลเป็นไฟล์ turbo 5 บิต สิ่งที่คุณได้คือข้อความถอดเสียงของไฟล์เสียงใน Terminal ไม่ใช่คำที่พิมพ์ลงในแอปของคุณ
ขั้นตอนที่ 1: เอาโค้ดและโมเดลมา
Terminal: โคลน whisper.cpp และดาวน์โหลดโมเดล turbo 5 บิต
git clone https://github.com/ggml-org/whisper.cpp.git
cd whisper.cpp
sh ./models/download-ggml-model.sh large-v3-turbo-q5_0สิ่งที่เกิดขึ้น: โปรเจกต์มาอยู่ในโฟลเดอร์ whisper.cpp และสคริปต์ดาวน์โหลด ggml-large-v3-turbo-q5_0.bin จาก Hugging Face ลงในโฟลเดอร์ models ของโปรเจกต์ เปลี่ยนเป็น base.en หรือ small เพื่อดาวน์โหลดน้อยลง
ขั้นตอนที่ 2: บิลด์แล้วถอดเสียงตัวอย่าง
Terminal: บิลด์ whisper-cli แล้วรันกับไฟล์บันทึกตัวอย่างที่มาพร้อมโปรเจกต์
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.wavสิ่งที่เกิดขึ้น: CMake บิลด์โปรเจกต์ และ whisper-cli ถอดเสียงตัวอย่างด้วยโมเดลที่คุณดาวน์โหลดแล้วพิมพ์ข้อความใน Terminal
ขั้นตอนที่ 3: แปลงเสียงของคุณเองก่อน
README ระบุว่าปัจจุบัน whisper-cli รันได้เฉพาะกับไฟล์ WAV 16 บิต และให้คำสั่ง ffmpeg สำหรับแปลงไฟล์อื่น ffmpeg ต้องติดตั้งแยกต่างหาก
Terminal: เปลี่ยนไฟล์ MP3 เป็นรูปแบบ WAV ที่ whisper-cli อ่านได้
ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wavสิ่งที่เกิดขึ้น: ffmpeg เขียน output.wav เป็นเสียง 16 kHz โมโน 16 บิต ซึ่งคุณส่งให้ whisper-cli หลัง -f
หรือใช้แพ็กเกจ Python ของ OpenAI
Terminal: ติดตั้งแพ็กเกจของ OpenAI เอง ถ้าคุณอยากทำงานใน Python มากกว่า
pip install -U openai-whisperสิ่งที่เกิดขึ้น: pip ติดตั้งคำสั่ง whisper README ของ OpenAI ระบุว่าโค้ดคาดว่าจะใช้ได้กับ Python 3.8 ถึง 3.11 ต้องใช้ ffmpeg และโมเดลเริ่มต้นคือ turbo
สำหรับเสียงพูดสด whisper.cpp มี whisper-stream ซึ่งสุ่มตัวอย่างไมโครโฟนของคุณทุกครึ่งวินาทีและถอดเสียงต่อเนื่อง ต้องใช้ SDL2 และ README เรียกว่าตัวอย่างแบบเรียบง่าย ส่วนการนำคำเข้าไปใน Mail, Slack หรือโปรแกรมแก้ไขของคุณเป็นสิ่งที่แอปเพิ่มให้
ใช้โมเดลเดียวกันใน YapToText โดยไม่ต้องใช้ Terminal
YapToText รันเอนจินเดียวกันและไฟล์เดียวกันโดยไม่มีหน้าต่าง Terminal คือ whisper.cpp ที่สร้างไว้ในแอปด้วย Metal และ Accelerate และ ggml-large-v3-turbo-q5_0.bin อยู่ในไฟล์ดาวน์โหลดจาก App Store ค่า SHA-256 ตรงกับไฟล์บน Hugging Face จึงเป็นโมเดลมาตรฐาน ไม่ใช่โมเดลที่ปรับแต่งหรือฝึกใหม่ ฉันสร้างแอปนี้เพราะมือของฉันพิมพ์ได้ลำบาก และฉันอยากให้ Whisper พิมพ์ลงในทุกแอปแทนที่จะพิมพ์ออกมาในหน้าต่าง Terminal มันคือไฟล์ที่สคริปต์ดาวน์โหลด สิ่งที่เปลี่ยนคือทุกอย่างรอบตัวไฟล์
นี่คือสิ่งที่แอปเพิ่มรอบโมเดล
- หน่วยความจำที่คืนให้ ในหน้า Energy ตัวเลือก Keep models in memory กำหนดว่าโมเดลอยู่ในหน่วยความจำนานเท่าไรหลังการป้อนตามคำบอก ค่าเริ่มต้นคือ 2 นาทีหลังใช้ โดยมีตัวเลือกตั้งแต่ Only while dictating ถึง Until quit การยกเลิกการโหลดเร็วขึ้นช่วยประหยัดพลังงานและหน่วยความจำ และการป้อนตามคำบอกครั้งถัดไปหลังยกเลิกการโหลดใช้เวลาเพิ่มอีกไม่กี่วินาที
- เหลือที่ให้ macOS เมื่อ macOS หน่วยความจำไม่พอ YapToText จะทิ้งโมเดลที่โหลดไว้ทันทีและรอห้านาทีก่อนอุ่นโมเดลอีกครั้ง
- โมเดลที่เบากว่าเมื่อใช้แบตเตอรี่ ตัวเลือก Switch models with the power source ปิดอยู่ตามค่าเริ่มต้น ให้โมเดลป้อนตามคำบอกและโมเดลเกลาข้อความมีตัวเลือกแยกกันสำหรับตอนเสียบปลั๊กและตอนใช้แบตเตอรี่
- ไฟล์ของคุณเอง ใต้ Your own models ในหน้า AI Models ปุ่ม Add Model รับไฟล์ whisper.cpp GGML .bin ใดก็ได้ โมเดลที่คุณดาวน์โหลดด้วยสคริปต์จึงใช้ได้เช่นกัน แอปอ่านไฟล์เพื่อดูว่าคืออะไร และปฏิเสธสิ่งอื่น
- ตัวเลขของ Mac คุณ การ์ด This Mac ในหน้า Energy แสดงชิปและหน่วยความจำของคุณ ซึ่งเป็นตัวเลขที่ใช้เทียบกับตารางด้านบน
Dictation Model Library ในหน้า AI Models มีโมเดล Whisper อีกสิบตัว ตั้งแต่ Tiny ถึง Large v3 พร้อมขนาดที่แอปแสดง คู่มือโมเดล AIแสดงรายการ และคู่มือพลังงานอธิบายการตั้งค่าหน่วยความจำ ไฟล์ดาวน์โหลดจาก App Store มีขนาดประมาณ 2.9 GB เพราะโมเดลทั้งสองของแอปอยู่ข้างใน เวอร์ชัน Homebrew มีขนาดประมาณ 12 MB และต้องดาวน์โหลดโมเดลรู้จำเสียงพูดก่อนการป้อนตามคำบอกครั้งแรก
ถ้า Whisper ในเครื่องช้าหรือฟังผิด
เริ่มจากวิธีแก้ที่ไม่เสียอะไรก่อนดาวน์โหลดโมเดลที่ใหญ่ขึ้น แก้ไมโครโฟนและคำก่อนเปลี่ยนโมเดล
- รอให้การรันครั้งแรกผ่านไป โมเดลต้องโหลดก่อนจึงถอดเสียงได้ ใน YapToText การป้อนตามคำบอกครั้งแรกหลังเปิดแอปใช้เวลาสักครู่ ถ้าคุณบิลด์ whisper.cpp ด้วย Core ML README ระบุว่าการรันครั้งแรกบนอุปกรณ์ช้า ขณะที่บริการ Neural Engine คอมไพล์โมเดล
- ตั้งภาษาที่คุณพูด ตัวเลือก Language ของ YapToText ในหน้า AI Models เริ่มที่ภาษาของระบบบน Mac ของคุณ และภาษาที่ Whisper ใช้ไม่ได้จะถอยไปใช้การตรวจหาอัตโนมัติ หน้าภาษาแสดงครบทั้ง 29 ภาษา
- แก้ไมโครโฟน ไมโครโฟนบลูทูธให้คุณภาพระดับโทรศัพท์ ไมโครโฟนของ Mac เองจึงได้ยินดีกว่า ใน YapToText ให้เลือกในตัวเลือก Input ของแผงแถบเมนู
- สอนคำของคุณให้แอป หน้า Dictionaries ของ YapToText เตรียม Whisper ด้วยชื่อและศัพท์ของคุณ ไม่ใช่แค่แก้สิ่งที่แอปพิมพ์ คู่มือพจนานุกรมแสดงวิธี
- ใช้โมเดลภาษาอังกฤษอย่างเดียวสำหรับภาษาอังกฤษ ถ้าหน่วยความจำจำกัดและคุณพูดแต่ภาษาอังกฤษ OpenAI ระบุว่าเวอร์ชัน .en มักทำได้ดีกว่า โดยเฉพาะที่ขนาด tiny และ base
- เปลี่ยนขนาดโมเดล ไปใหญ่ขึ้นถ้าฟังผิดและหน่วยความจำของคุณรองรับ หรือเล็กลงถ้าช้า ใน YapToText ดาวในหน้า AI Models แสดงการแลกเปลี่ยนนั้น และการป้อนตามคำบอกทุกครั้งใน History แสดงเวลาตั้งแต่หยุดพูดจนได้ข้อความของตัวเอง
สิ่งที่ Whisper ในเครื่องไม่ได้เปลี่ยน
การรัน Whisper ในเครื่องย้ายงานมาที่ Mac ของคุณ และย้ายเท่านั้น การทำงานในเครื่องเปลี่ยนที่ที่เสียงของคุณไป ไม่ได้เปลี่ยนว่าได้ยินดีแค่ไหน
- ความผิดพลาด โมเดลเป็นตัวกำหนดว่าได้ยินดีแค่ไหน ไม่ว่ารันที่ไหน ชื่อที่ฟังผิดจึงต้องแก้ด้วยรายการในพจนานุกรมหรือไมโครโฟนที่ดีกว่า ไม่ใช่ด้วยที่รันอื่น
- การแปล OpenAI ระบุว่า turbo ไม่ได้ฝึกสำหรับการแปล และ YapToText ขอให้ Whisper ถอดเสียงเท่านั้น ไม่เคยขอให้แปล
- ดาวน์โหลดหนึ่งครั้ง โมเดลในเครื่องยังต้องมาถึงเครื่องหนึ่งครั้ง สคริปต์ของ whisper.cpp ดึงจาก Hugging Face เวอร์ชัน App Store ของ YapToText มีโมเดลอยู่ข้างใน และเวอร์ชัน Homebrew ดึงจากหน้า AI Models
- Mac ที่ใช้ชิป Intel whisper.cpp ระบุว่ารองรับ Mac ทั้งแบบ Intel และ Arm ส่วน YapToText ต้องใช้ชิป Apple และ macOS 14 ขึ้นไป และฉันไม่ได้อ้างอะไรเกี่ยวกับ Mac ที่ใช้ชิป Intel
- ตัวเลขความแม่นยำ ฉันไม่เผยแพร่เปอร์เซ็นต์ความแม่นยำของโมเดลใด ดาวและ History ของคุณเองคือแนวทาง
เพื่อพิสูจน์ว่าการตั้งค่าเป็นแบบในเครื่องจริง หน้าการป้อนตามคำบอกแบบออฟไลน์มีการทดสอบหนึ่งนาที คือปิด Wi-Fi แล้วพูด
สรุปสั้น ๆ
- Whisper ในเครื่อง คือไฟล์โมเดลกับเอนจินบน Mac ของคุณ โดยไม่มีอะไรถูกอัปโหลด
- โมเดล ไฟล์ turbo 5 บิต ขนาด 547 MiB ในรายการของ whisper.cpp คือไฟล์ที่ YapToText ใช้
- ทำเอง โคลน whisper.cpp ดาวน์โหลดโมเดล บิลด์ด้วย CMake และรัน whisper-cli กับไฟล์ WAV 16 บิต
- หรือข้าม Terminal YapToText รันไฟล์เดียวกันและพิมพ์ลงในแอปใดก็ได้ ฟรี
เลือกโมเดลตามหน่วยความจำของ Mac แล้วจึงตามเสียงของคุณเอง ถ้ามีสิ่งใดในหน้านี้ไม่ตรงกับที่คุณเห็น เปิด issue บน GitHub ฉันอ่านทุกรายการ
ดาวน์โหลดฟรี ไม่ต้องมีบัญชีและไม่มีคุณสมบัติที่ถูกล็อค สำหรับ macOS 14 ขึ้นไปบน Mac ที่ใช้ชิป Apple ซอร์สโค้ดบน GitHub
คู่มือ
คู่มืออื่น (ภาษาอังกฤษ)
แหล่งที่มา
- https://github.com/ggml-org/whisper.cpp (ตรวจสอบเมื่อ 3/10/2026)
- https://github.com/ggml-org/whisper.cpp/blob/master/models/README.md (ตรวจสอบเมื่อ 3/10/2026)
- https://github.com/openai/whisper (ตรวจสอบเมื่อ 3/10/2026)
- https://huggingface.co/ggerganov/whisper.cpp/blob/main/ggml-large-v3-turbo-q5_0.bin (ตรวจสอบเมื่อ 3/10/2026)
- https://github.com/ryleighnewman/YapToText (ตรวจสอบเมื่อ 3/10/2026)
- https://apps.apple.com/us/app/yaptotext/id6786382289 (ตรวจสอบเมื่อ 3/10/2026)
คำถาม
รัน Whisper ในเครื่องบน Mac ได้อย่างไร
ใช้ whisper.cpp โคลนที่เก็บโค้ด ดาวน์โหลดโมเดลด้วยสคริปต์ download-ggml-model.sh บิลด์ด้วย CMake แล้วรัน whisper-cli กับไฟล์ WAV 16 บิต หรือติดตั้งแอปที่รวมไว้ให้แล้ว เช่น YapToText ซึ่งรัน Whisper Large v3 Turbo โดยไม่ต้องตั้งค่า
Whisper ต้องใช้หน่วยความจำเท่าไร
ขึ้นอยู่กับโมเดล whisper.cpp ระบุประมาณ 273 MB สำหรับ tiny, 852 MB สำหรับ small, 2.1 GB สำหรับ medium และ 3.9 GB สำหรับ large และระบุว่าโมเดลควอนไทซ์ใช้น้อยกว่า แต่ไม่มีตัวเลขหน่วยความจำสำหรับ turbo
โมเดล Whisper ในเครื่องที่ดีที่สุดคืออะไร
Large v3 Turbo คือจุดที่ฉันจะเริ่ม และไฟล์ 5 บิตของโมเดลนี้คือไฟล์ที่ YapToText ใช้ ขนาด 547 MiB ในรายการของ whisper.cpp ถ้าหน่วยความจำจำกัด small หรือ base ใช้น้อยกว่ามาก และ OpenAI ระบุว่าเวอร์ชันภาษาอังกฤษอย่างเดียวมักทำได้ดีกว่าสำหรับภาษาอังกฤษที่ขนาดเล็กที่สุด
โมเดล Whisper Large v3 Turbo ใหญ่แค่ไหน
1.5 GiB ในรายการโมเดลของ whisper.cpp หรือ 547 MiB สำหรับไฟล์ q5_0 แบบ 5 บิต ซึ่งเท่ากับ 574 MB เมื่อนับเป็นหน่วยฐานสิบ OpenAI ระบุ turbo ที่ 809 ล้านพารามิเตอร์
Whisper ในเครื่องต้องใช้อินเทอร์เน็ตหรือไม่
เฉพาะตอนดาวน์โหลดโมเดลหนึ่งครั้ง หลังจากนั้น whisper.cpp และ YapToText ถอดเสียงได้โดยไม่ต้องเชื่อมต่อ และเวอร์ชัน App Store ของ YapToText มีโมเดลอยู่ข้างใน จึงข้ามแม้แต่การดาวน์โหลดนั้น
ใช้โมเดล whisper.cpp ใน YapToText ได้หรือไม่
ได้ ใต้ Your own models ในหน้า AI Models ปุ่ม Add Model รับไฟล์ whisper.cpp GGML .bin ใดก็ได้ และแอปดูว่าคืออะไรจากตัวไฟล์เอง