Một thư viện mới mang tên transcribe.cpp vừa ra mắt, hứa hẹn giải quyết những cơn đau đầu khi phân phối một ứng dụng chuyển giọng nói thành văn bản đa nền tảng đến nhiều người dùng. Là sản phẩm do tác giả kiêm người duy trì Handy tạo ra, transcribe.cpp sử dụng engine ggml để chạy suy luận trên CPU và GPU (Vulkan, Metal, CUDA, TinyBLAS) mà không cần đến thư viện PyTorch cồng kềnh.

Hỗ trợ 16 họ ASR, hơn 60 mô hình

Thư viện này đã được kiểm chứng bằng số liệu và đo WER để bảo đảm độ chính xác tương đương với các bản tham chiếu. Người dùng có thể chạy phiên âm trực tuyến, phiên âm theo lô, và xem đây gần như là bản thay thế trực tiếp cho whisper.cpp. Điểm đặc biệt là transcribe.cpp đi kèm các giao diện tích hợp chính thức cho Python, JavaScript/TypeScript, Rust và ObjC/Swift, giúp nhúng dễ dàng vào ứng dụng máy tính và di động.

Tại sao điều này quan trọng với người dùng thông thường?

Trước đây, để có tính năng chuyển giọng nói thành văn bản (ASR) trên máy tính cá nhân, lập trình viên thường phải xoay quanh whisper.cpp và ONNX, thậm chí tách riêng thêm MLX cho thiết bị Apple, khiến việc hỗ trợ nhiều nền tảng rất phức tạp. Transcribe.cpp hướng tới suy luận cục bộ, nhanh và chính xác trên cả Windows, macOS lẫn Linux, đồng thời giúp việc nhúng vào ứng dụng máy tính và di động trở nên thực tế hơn.