Έχεις ένα σύντομο βίντεο προϊόντος ή δικές σου φωνητικές σημειώσεις. Θέλεις κείμενο για το site και υπότιτλους για το βίντεο. Η μεταγραφή με το χέρι κουράζει· μια υπηρεσία στο cloud μπορεί να μη σου ταιριάζει για κάθε αρχείο.
Το whisper.cpp προσφέρει μια τοπική διαδρομή: εκτελεί μοντέλα αναγνώρισης ομιλίας Whisper στον υπολογιστή και μπορεί να παράγει κείμενο και αρχείο υποτίτλων. Η αρχική ρύθμιση χρειάζεται τεχνική άνεση. Μετά, όμως, η βασική εργασία γίνεται με μια επαναλαμβανόμενη εντολή, χωρίς κλειδί API.
Γιατί αξίζει η τοπική απομαγνητοφώνηση
Η τοπική επιλογή έχει δικό της πρακτικό ενδιαφέρον. Το whisper.cpp είναι ενεργό έργο ανοικτού κώδικα: η επίσημη έκδοση v1.9.5 δημοσιεύτηκε στις 6 Οκτωβρίου 2026. Έκδοση και αλλαγές στο GitHub.
Το σενάριο εδώ είναι απλό: μεταγράφεις δικό σου ελληνικό ήχο και ελέγχεις το αποτέλεσμα. Δεν εγκαθιστάς βοηθό που συμμετέχει αυτόματα σε συναντήσεις, ούτε αναθέτεις στο εργαλείο να στέλνει σημειώσεις σε άλλους.
Τι χρειάζεσαι πριν ξεκινήσεις
Για τον συγκεκριμένο οδηγό χρειάζεσαι Windows σε υπολογιστή x64, ένα σύντομο ηχητικό που επιτρέπεται να επεξεργαστείς και το εκτελέσιμο whisper-cli.exe. Χρειάζεσαι επίσης ένα πολυγλωσσικό μοντέλο σε μορφή ggml και, αν ο ήχος δεν είναι κατάλληλο WAV, διαθέσιμο FFmpeg.
Το έργο υποστηρίζει Windows και εκτέλεση μόνο με CPU. Επομένως, η ξεχωριστή GPU δεν είναι υποχρεωτική για αυτή τη διαδρομή. Η ταχύτητα εξαρτάται από τον επεξεργαστή, το μοντέλο, τη διάρκεια του ήχου και τις υπόλοιπες εργασίες του PC. Δεν υπάρχει εδώ μέτρηση που να εγγυάται συγκεκριμένο χρόνο. Πλατφόρμες και βασική εκτέλεση.
Αν δεν έχεις ήδη έτοιμο το πρόγραμμα, η ρύθμιση από πηγαίο κώδικα απαιτεί CMake και κατάλληλα εργαλεία C++ για Windows. Η Microsoft εξηγεί την υποστήριξη CMake μέσω του workload ανάπτυξης C++ στο Visual Studio. Έλεγξε τους όρους της έκδοσης εργαλείων που θα χρησιμοποιήσεις ή ζήτησε βοήθεια για το αρχικό στήσιμο. Επίσημος οδηγός Microsoft.
Η αρχική ρύθμιση, χωρίς τυχαίους installers
Από το επίσημο GitHub επίλεξε τον πηγαίο κώδικα της έκδοσης v1.9.5 και αποσυμπίεσέ τον σε νέο φάκελο. Η ρύθμιση από πηγή που ακολουθεί βασίζεται στην τεκμηρίωση του έργου. Έτοιμα binaries συνδέονται χωριστά από τη σελίδα release· αν επιλέξεις αυτή τη διαδρομή, έλεγξε προσεκτικά τη σωστή αρχιτεκτονική και τη συγκεκριμένη έκδοση.
Με τα εργαλεία C++ και CMake ήδη διαθέσιμα, οι βασικές εντολές δημιουργίας του προγράμματος, από τον φάκελο της πηγής, είναι:
cmake -B build
cmake --build build --config ReleaseΈπειτα εντόπισε το whisper-cli.exe μέσα στον φάκελο build. Σε Windows builds με περισσότερες διαμορφώσεις μπορεί να βρίσκεται σε υποφάκελο Release, αλλά η πραγματική διαδρομή εξαρτάται από το εργαλείο δημιουργίας. Κράτησε μαζί του τις παραγόμενες DLL και τα υπόλοιπα αρχεία του build· η μεταφορά μόνο του .exe σε άλλον φάκελο μπορεί να μην αρκεί. Στη συνέχεια θα το καλέσουμε με την πλήρη διαδρομή του, χωρίς μετακίνησή του. Η τεκμηρίωση περιγράφει τη βασική διαδικασία, αλλά οι παραπάνω εντολές δεν έχουν εκτελεστεί ως δοκιμή Windows σε αυτόν τον οδηγό.
Για το μοντέλο, χρησιμοποίησε τον σύνδεσμο χειροκίνητης λήψης που δίνει το επίσημο αρχείο μοντέλων του έργου. Μια μικρή πρώτη επιλογή είναι το ggml-base.bin. Απόφυγε το base.en: η κατάληξη .en σημαίνει μοντέλο μόνο για αγγλικά. Τα ελληνικά περιλαμβάνονται στο σύστημα γλωσσών του αρχικού Whisper με κωδικό el.
Από δικό σου ήχο σε TXT και SRT
Τα βήματα που ακολουθούν προκύπτουν από την τεκμηρίωση και τις επιλογές του επίσημου προγράμματος. Δεν αποτελούν ισχυρισμό δοκιμασμένης ποιότητας απομαγνητοφώνησης στα ελληνικά. Χρησιμοποίησε πρώτα ένα δικό σου απόσπασμα περίπου ενός λεπτού.
1. Ετοίμασε έναν μικρό φάκελο εργασίας
Διάλεξε έναν φάκελο που δεν συγχρονίζεται αυτόματα σε υπηρεσία cloud, αν ο στόχος σου είναι να κρατήσεις την εργασία τοπικά. Κράτησε αντίγραφο του αρχικού ήχου και δημιούργησε ξεχωριστούς υποφακέλους models και results. Στο παράδειγμα ο χώρος εργασίας είναι το C:\AI-Transcription, με το μοντέλο μέσα στο models και τον ήχο στη ρίζα του. Το πρόγραμμα παραμένει στη δική του πραγματική διαδρομή build.
Αντικατάστησε την πρώτη ενδεικτική διαδρομή παρακάτω με αυτήν του δικού σου Release εκτελέσιμου και τη δεύτερη με τον δικό σου χώρο εργασίας. Το Resolve-Path ελέγχει ότι οι δηλωμένες διαδρομές υπάρχουν· δεν αποτελεί δοκιμή λειτουργίας του προγράμματος.
$whisperExe = (Resolve-Path -LiteralPath 'C:\Tools\whisper.cpp-1.9.5\build\bin\Release\whisper-cli.exe').Path
$transcriptionWorkspace = (Resolve-Path -LiteralPath 'C:\AI-Transcription').Path2. Μετέτρεψε τον ήχο όταν χρειάζεται
Ο οδηγός του έργου χρησιμοποιεί WAV 16 bit. Αν έχεις MP3 και διαθέσιμο FFmpeg, η παρακάτω εντολή δημιουργεί νέο WAV με ένα κανάλι και δειγματοληψία 16 kHz:
ffmpeg -i (Join-Path $transcriptionWorkspace 'demo-el.mp3') -ar 16000 -ac 1 -c:a pcm_s16le (Join-Path $transcriptionWorkspace 'demo-el-16k.wav')Το αρχικό MP3 παραμένει ξεχωριστό. Δώσε νέο όνομα εξόδου που δεν υπάρχει ήδη, ώστε να μη χρειαστεί αντικατάσταση αρχείου. Οι επιλογές επεξεργασίας ήχου περιγράφονται και στην τεκμηρίωση FFmpeg.
3. Ζήτησε ελληνικό κείμενο και υπότιτλους
Πριν από κάθε εκτέλεση, διάλεξε νέα βάση ονόματος για το -of: παλιά TXT/SRT με το ίδιο όνομα μπορούν να αντικατασταθούν. Το παράδειγμα ελέγχει τα δύο αρχεία εξόδου πριν καλέσει το πρόγραμμα από την πλήρη διαδρομή του:
$transcriptBase = Join-Path $transcriptionWorkspace 'results\demo-el-01'
if ((Test-Path -LiteralPath "${transcriptBase}.txt") -or (Test-Path -LiteralPath "${transcriptBase}.srt")) {
throw 'Διάλεξε νέο όνομα εξόδου πριν συνεχίσεις.'
}
& $whisperExe -ng -m (Join-Path $transcriptionWorkspace 'models\ggml-base.bin') -f (Join-Path $transcriptionWorkspace 'demo-el-16k.wav') -l el -otxt -osrt -of $transcriptBaseΤο -ng απενεργοποιεί τη GPU, το -l el δηλώνει την ομιλούμενη γλώσσα και τα -otxt και -osrt ζητούν τις δύο μορφές εξόδου. Το -of δίνει τη βάση του ονόματος χωρίς επέκταση. Οι επιλογές αυτές υπάρχουν στον επίσημο κώδικα της v1.9.5.
Δεν χρησιμοποιούμε την επιλογή μετάφρασης: εδώ θέλουμε ελληνική μεταγραφή. Για τις επιλογές του δικού σου εκτελέσιμου, έλεγξε πρώτα τη βοήθεια με & $whisperExe -h.
Ένα υποθετικό παράδειγμα για μικρή επιχείρηση
Ένας επαγγελματίας ηχογραφεί μόνος του ένα λεπτό με οδηγίες καθαρισμού ενός προϊόντος. Από το TXT φτιάχνει προσχέδιο κειμένου για τη σελίδα προϊόντος. Από το SRT προετοιμάζει υπότιτλους για το δικό του βίντεο. Πριν από τη δημοσίευση, συγκρίνει κάθε οδηγία με το εγκεκριμένο εγχειρίδιο.
Η μεταγραφή δεν αποδεικνύει ότι μια προφορική οδηγία είναι σωστή. Αν ειπώθηκε λάθος αναλογία ή λάθος μοντέλο προϊόντος, το λάθος μπορεί να περάσει κανονικά στο κείμενο. Για αυτό το αρχικό ηχητικό και η τεκμηρίωση του προϊόντος παραμένουν τα σημεία ελέγχου.
Πού χρειάζεται ανθρώπινη προσοχή
Άκου ξανά όλο το σύντομο απόσπασμα και έλεγξε ονόματα, ποσότητες, ημερομηνίες και τεχνικούς όρους. Το Whisper μπορεί να κάνει λάθη και να παράγει κείμενο που δεν αντιστοιχεί σε πραγματική ομιλία. Η ποιότητα ποικίλλει ανά γλώσσα και συνθήκες· αυτά αναφέρονται στην επίσημη κάρτα του μοντέλου.
Το SRT χρειάζεται ξεχωριστό έλεγχο μέσα στο βίντεο: χρονισμός, μήκος γραμμών και αναγνωσιμότητα. Η εντολή δεν ταυτοποιεί αξιόπιστα ποιος μιλά ούτε παράγει από μόνη της εγκεκριμένα πρακτικά συνάντησης. Για ξένες φωνές, εξασφάλισε πρώτα ότι επιτρέπονται η ηχογράφηση και η επεξεργασία.
Τι σημαίνει «χωρίς χρέωση API»
Το whisper.cpp διατίθεται με άδεια MIT, όπως και το αρχικό Whisper. Η τοπική εκτέλεση δεν απαιτεί αγορά μονάδων API. Υπάρχουν όμως κόστος εξοπλισμού, ρεύματος, αρχικής ρύθμισης και επιμέλειας. Άλλες εφαρμογές που ενσωματώνουν το Whisper μπορεί να έχουν δικούς τους όρους ή συνδρομές.
Αν θέλεις να εξετάσεις αν ο υπολογιστής σου μπορεί να υποστηρίξει μια τέτοια ροή, ζήτησε τεχνική υποστήριξη από το iChipHost. Περιέγραψε το PC, τη διάρκεια των αρχείων και το αποτέλεσμα που χρειάζεσαι. Εξετάζουμε αν το αίτημα μπορεί να καλυφθεί με απομακρυσμένη υποστήριξη και σου δίνουμε γραπτή προσφορά πριν από οποιαδήποτε εργασία.
