1. 项目概述
最近在开发一个需要语音识别功能的C#项目时,偶然发现了Whisper这个开源的语音识别工具。经过几周的实战使用,我发现它在中文识别上的表现相当不错,特别是考虑到它是完全免费的。本文将分享如何在C#项目中集成Whisper来实现本地wav音频文件的识别。
Whisper由OpenAI开发,提供了从微型到大型的不同模型,可以根据需求在识别精度和处理速度之间做出权衡。我主要使用了small模型,它在我的开发环境(i7-10700, 16GB RAM)上处理1分钟的音频大约需要10-15秒,准确率能达到90%以上。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 准备工作
2.1 获取Whisper资源文件
Whisper的核心由两部分组成:
- whisper-cli.exe:命令行执行程序
- 模型文件(.bin):不同大小的预训练模型
我推荐使用small模型(ggml-small.bin)作为起点,它在400MB左右,速度和精度比较均衡。如果你需要更高精度,可以考虑medium或large模型,但要注意它们可能需要更多的计算资源。
提示:模型文件较大,建议在项目中使用相对路径引用,而非绝对路径,这样便于团队协作和部署。
2.2 项目文件结构设置
在Visual Studio项目中,我建议这样组织文件:
code复制项目根目录/
├── Whisper/
│ ├── whisper-cli.exe
│ ├── ggml-small.bin
│ └── (其他模型文件)
└── (其他项目文件)
关键设置步骤:
- 在解决方案资源管理器中右键项目 → 添加 → 新建文件夹,命名为"Whisper"
- 右键Whisper文件夹 → 添加 → 现有项,选择下载好的whisper-cli.exe和模型文件
- 对于每个添加的文件,在属性窗口中设置"复制到输出目录"为"始终复制"
这样设置后,编译时这些文件会自动复制到输出目录(bin\Debug或bin\Release),便于使用相对路径访问。
3. 核心代码实现
3.1 初始化路径配置
首先定义关键文件的路径,我建议使用Path.Combine来构建路径,这样可以避免不同操作系统下的路径分隔符问题:
csharp复制private string whisperExe = Path.Combine(
Application.StartupPath,
"Whisper",
"whisper-cli.exe"
);
private string modelPath = Path.Combine(
Application.StartupPath,
"Whisper",
"ggml-small.bin"
);
private string audioPath = @"D:\whisper\test.wav"; // 示例音频路径
3.2 执行语音识别
下面是调用Whisper进行识别的核心方法:
csharp复制private async Task RunWhisperRecognition()
{
try
{
await Task.Run(() =>
{
ProcessStartInfo psi = new ProcessStartInfo
{
FileName = whisperExe,
