# whisper.cpp

Transcrire et dicter. Fiche « Apps et logiciels d'IA » de QUELLE IA, d'après les pages officielles (octobre 2026). Page : https://quelleia.com/logitheque/whisper-cpp/

## Télécharger

- Windows : Dépôt officiel, https://github.com/ggml-org/whisper.cpp/releases (Binaires Windows x64 et ARM64, avec variantes CUDA)
- Linux : Dépôt officiel, https://github.com/ggml-org/whisper.cpp/releases (Binaires Ubuntu x64 et ARM64)
- Mac : Dépôt officiel, https://github.com/ggml-org/whisper.cpp (Compilation depuis les sources (Mac Intel et Apple Silicon))

## En bref

whisper.cpp réécrit en C/C++ le modèle de reconnaissance vocale Whisper d'OpenAI pour qu'il tourne vite sur un ordinateur ordinaire, du simple processeur aux cartes graphiques. C'est une brique en ligne de commande sur laquelle reposent de nombreuses applis de transcription.

Pourquoi il est là : Ce moteur libre fait tourner Whisper sur sa propre machine, même sans carte graphique.

- Éditeur : ggml
- Prix : Gratuit (logiciel libre)
- Licence : open source (MIT)
- Fonctionnement : En local. L'inférence tourne entièrement sur la machine ; internet ne sert qu'à télécharger les modèles depuis Hugging Face.
- Systèmes : Mac, Windows, Linux

## À quoi ça sert

- Transcrire un fichier audio depuis le terminal avec whisper-cli.
- Transcrire le micro en continu avec l'outil whisper-stream.
- Monter un serveur de transcription compatible avec l'API d'OpenAI (whisper-server).
- Ajouter la transcription à une appli iOS, Android ou web (WebAssembly) en partant des exemples fournis.

## Fonctions

- **Accélération** : Metal et Core ML sur puce Apple, CUDA pour NVIDIA, Vulkan, ROCm pour AMD, OpenVINO pour Intel, ou processeur seul.
- **Quantification** : Compresse les modèles pour réduire la mémoire et l'espace disque nécessaires.
- **Détection de la voix** : Repère quand quelqu'un parle (VAD) pour sauter les silences.
- **Multiplateforme** : Mac, Linux, Windows, iOS, Android, Raspberry Pi, WebAssembly et Docker.
- **API C** : Bibliothèque sans dépendance, avec des liaisons pour d'autres langages (Rust, JavaScript, Java…).

## Pour qui

Développeurs et utilisateurs à l'aise avec le terminal qui veulent transcrire en local ou intégrer la reconnaissance vocale dans leur propre logiciel.

## Ce qu'il faut savoir

- Limites : Pas d'interface graphique : il s'utilise en ligne de commande ou comme bibliothèque, et se compile soi-même sur Mac.
- Données : Les modèles, convertis au format ggml, se téléchargent depuis Hugging Face avec un script fourni ; la transcription se fait ensuite sur la machine.
- À noter : Les versions prêtes à installer pour Windows et Ubuntu accompagnent les versions de développement (« b5454 ») ; la version v1.9.5 n'en propose aucune.
- Configuration demandée par l'éditeur : Mémoire nécessaire selon le modèle : environ 273 Mo (tiny), 852 Mo (small), 2,1 Go (medium) et 3,9 Go (large) ; de 75 Mio à 2,9 Gio sur disque.

## Modèles

Les modèles Whisper d'OpenAI, de tiny à large-v3-turbo, convertis au format ggml et hébergés sur Hugging Face.

- [large-v3-turbo](https://quelleia.com/voix/modeles/whisper-large-v3-turbo/)
- [large-v3](https://quelleia.com/voix/modeles/whisper-large-v3/)
- [large-v2](https://quelleia.com/voix/modeles/openai-whisper-large-v2/)
- medium
- small
- base
- tiny

## Sur QUELLE IA

- [Whisper Large v3 Turbo](https://quelleia.com/voix/modeles/whisper-large-v3-turbo/) : Un modèle que whisper.cpp propose : son score, ses forces, ce qu'il demande.
- [Whisper Large v3](https://quelleia.com/voix/modeles/whisper-large-v3/) : Un modèle que whisper.cpp propose : son score, ses forces, ce qu'il demande.
- [Le classement de la transcription](https://quelleia.com/voix/transcription/) : Pour aller plus loin sur l'usage « transcription et dictée ».
- [La voix sur QUELLE IA](https://quelleia.com/voix/) : Pour aller plus loin sur l'usage « transcription et dictée ».
- [Quel modèle tient sur ma machine](https://quelleia.com/local/) : Pour aller plus loin sur l'usage « transcription et dictée ».
- [Ollama & les modèles locaux](https://minilabai.com/guides/ollama-modeles-locaux/) : Servir un modèle local avec Ollama, sur une API compatible OpenAI et Anthropic que la plupart des agents de code savent appeler. Guide du même auteur que QUELLE IA.

## Sources

- https://github.com/ggml-org/whisper.cpp/blob/master/README.md
- https://github.com/ggml-org/whisper.cpp/tree/master/examples/stream
- https://github.com/ggml-org/whisper.cpp/tree/master/examples/server
- https://github.com/ggml-org/whisper.cpp/releases
- https://github.com/ggml-org/whisper.cpp
- https://github.com/ggml-org/whisper.cpp/blob/master/LICENSE
- https://github.com/ggml-org/whisper.cpp/releases/tag/v1.9.5