transcribe.cpp: ggmlベースの多モデル音声認識ライブラリ公開
Judul asli: Transcribe.cpp
Mengapa Ini Penting
ローカルASR推論のクロスプラットフォーム課題を解決する実用的OSSライブラリとして、開発者の選択肢を拡大する。
transcribe.cppがv0.1.0としてリリース。ggmlベースでASRモデル16ファミリー（60以上）をサポートし、Vulkan・Metal・CUDA・TinyBLASによる高速推論を実現。
クロスプラットフォーム音声認識アプリ「Handy」の開発者cjpaisが、ggmlベースの音声文字起こしライブラリ「transcribe.cpp」をv0.1.0としてリリースした。
開発の背景には、既存のASR推論スタックへの不満がある。現在、クロスプラットフォーム対応の主な選択肢はwhisper.cppとONNXのみ。Apple向けにMLXも利用できるが、2つのエンジンを並行サポートする必要があり、CPU専用のONNXではパフォーマンスが制限されるという課題があった。
transcribe.cppの主な特徴は以下の通り。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による高速化を実現。すべてのモデルはHugging Face上のhandy-computer組織で公開されており、数値検証およびWER（単語誤り率）テストによりリファレンス実装との一致が確認済み。ストリーミングおよびバッチ転写に対応し、whisper.cppのほぼドロップイン代替として機能する。
バインディングはPython・JavaScript/TypeScript・Rust・ObjC/Swiftの4言語でメンテナーがサポート。Mac・Windows・Linuxの全プラットフォームで動作する。ベンチマーク結果はリポジトリおよび各モデルのHugging Faceページで公開されている。