transcribe.cpp: ggmlベースの新ASRライブラリ公開

मूल शीर्षक: Transcribe.cpp

यह क्यों महत्वपूर्ण है

ローカルASR推論のクロスプラットフォーム配布における長年の課題に対し、GPU対応・多言語バインディング・品質保証を備えた新たな選択肢が登場したことは、音声AI応用開発に大きな影響を与えうる。

開発者cjpaisが2026年4月、ggmlベースの音声認識ライブラリ「transcribe.cpp」v0.1.0を公開した。16のASRファミリー(60以上のモデル)をサポートし、Vulkan・Metal・CUDA・TinyBLASによるGPUアクセラレーションに対応する。

「transcribe.cpp」は、クロスプラットフォーム対応の音声テキスト変換アプリ「Handy」の開発・配布における課題から生まれたggmlベースのオープンソース音声認識(ASR)ライブラリである。

開発者は、現在のASR推論スタックについて「whisper.cppとONNXしか実質的な選択肢がなく、クロスプラットフォーム配布が非常に困難」と述べ、特にONNXはCPUのみの動作に留まりパフォーマンスが不十分と指摘している。

主な特徴は以下の通り:

- **モデルサポート**: 16のASRファミリー、60以上のモデルに対応(今後も追加予定)

- **アクセラレーション**: Vulkan・Metal・CUDA・TinyBLASをサポートし、Mac・Windows・Linux上で動作

- **品質保証**: Hugging Face上の「handy-computer」組織で公開された全モデルについて、数値検証とWER(単語誤り率)テストを実施し、リファレンス実装と同等の精度を確認

- **機能**: ストリーミング書き起こし・バッチ書き起こしに対応

- **バインディング**: Python・JavaScript/TypeScript・Rust・ObjC/Swiftの4言語向け公式バインディングを提供

- **互換性**: whisper.cppのほぼドロップイン代替として機能

ベンチマークはRyzen 4750U(CPU+Vulkan、Fedora環境)およびM4 Maxで実施されており、結果はリポジトリおよびHugging Face上の各モデルページで公開されている。現バージョンはv0.1.0であり、開発者はバグ報告と協力を呼びかけている。

स्रोत

workshop.cjpais.com — मूल लेख पढ़ें →