transcribe.cpp : bibliothèque ASR multiplateforme basée sur ggml
Original : Transcribe.cpp
Pourquoi c'est important
Nouvelle option ggml pour l'ASR local multiplateforme, comblant un vide face à whisper.cpp et ONNX.
Le développeur CJ Pais a publié transcribe.cpp v0.1.0, une bibliothèque d'inférence de transcription vocale open source basée sur ggml. Elle supporte 16 familles de modèles ASR (60+ modèles), avec accélération GPU via Vulkan, Metal et CUDA, et des bindings pour Python, JavaScript, Rust et Swift.
transcribe.cpp est une bibliothèque de transcription automatique de la parole (ASR) développée par CJ Pais, également auteur de l'application Handy. La motivation principale : la distribution d'applications cross-platform (Mac, Windows, Linux) utilisant l'inférence vocale locale est jugée problématique avec les solutions actuelles, limitées à whisper.cpp et ONNX, cette dernière ne tirant pas parti du GPU.
La bibliothèque, basée sur le moteur ggml (connu pour llama.cpp), supporte à ce jour 16 familles de modèles ASR représentant plus de 60 modèles publiés sous l'organisation Hugging Face « handy-computer ». Chaque modèle est validé numériquement par rapport à l'implémentation de référence et testé via des mesures de Word Error Rate (WER) sur des milliers d'utterances.
L'accélération GPU est assurée via Vulkan, Metal, CUDA et TinyBLAS. Des benchmarks sont publiés pour un processeur Ryzen 4750U sous Fedora (CPU + Vulkan) et sur Apple M4 Max. La bibliothèque propose des bindings officiels en Python, JavaScript/TypeScript, Rust et ObjC/Swift, et se veut compatible drop-in avec whisper.cpp. La version v0.1.0 est disponible dès maintenant.