transcribe.cpp：60以上のASRモデル対応の推論ライブラリ
原題: Transcribe.cpp
なぜ重要か
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技術的空白を埋める可能性があり、デスクトップ・モバイルアプリ開発者の選択肢が広がる。
開発者のcjpaisは2026年4月、ggmlベースの音声文字起こしライブラリ「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）に対応し、Vulkan・Metal・CUDA・TinyBLASによるGPUアクセラレーションをサポート。全モデルの数値検証とWERテストを実施し、Mac・Windows・Linuxでの動作を確認している。
「transcribe.cpp」は、クロスプラットフォームの音声文字起こしアプリケーション「Handy」の開発・配布における課題から生まれたライブラリだ。作者は、既存のASR推論スタックとして実質的にwhisper.cppとONNXしか選択肢がなく、ONNXはCPUのみで性能が頭打ちになる点を問題視した。
同ライブラリ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による広範なGPUアクセラレーションに対応する。全モデルはHugging Face上のhandy-computer HF orgで公開されており、数値検証およびWER（単語誤り率）テストによってリファレンス実装と同等の精度を保証している。WERテストでは数千件の発話データを用いて検証を実施した。
バインディングはPython・JavaScript/TypeScript・Rust・ObjC/Swiftの4言語で提供され、whisper.cppのほぼドロップイン代替として利用できる設計となっている。ストリーミング転写とバッチ転写の両モードに対応する。
ベンチマークはRyzen 4750U（CPU＋Vulkan、Fedora環境）とApple M4 Maxの両環境で実施されており、結果はリポジトリおよびHugging Face上の各モデルページに公開されている。現時点ではv0.1.0であり、未対応のモデルや未発見の不具合があることを作者自身が認めており、コミュニティからの報告を呼びかけている。ggmlをバックエンドに採用した理由として、強力なコミュニティと優れた配布エコシステムを挙げている。