用 Whisper 搞定离线语音转文本：Flutter 跨平台完整指南
【免费下载链接】whisper_dartspeech recognition in dart support all audio format and support server side client side, + support all language, only support in cpu only项目地址: https://gitcode.com/gh_mirrors/wh/whisper_dart
直播要出字幕、会议要留纪要，靠人工听打又慢又容易漏。Whisper 这套开源方案把音频直接变成文字，全程离线完成语音转文本，一个字都不往网上送。
谁开发、要不要联网
Whisper 出自 OpenAI，推理层用的是 whisper.cpp，音频格式转换交给 FFmpeg。说白了，它就是一个能本地跑语音识别的 Dart/Flutter 库，客户端、服务器端都能部署，不联网照样工作。
离线语音识别凭什么能跑起来
- 档位跨度大：tiny 只要 75MB 磁盘、125MB 内存；large 要 2.9GB 磁盘、3.3GB 内存。简单算一下，顶配的内存需求是入门档的二十几倍，按硬件预算挑就行。
- 内容不出门：识别全程在本地完成，不依赖网络，录音留在自己设备里。
- 五个平台全收：Android、iOS、Windows、Linux、macOS 都支持，还带了 Flutter 示例应用。
- 只吃 CPU：不挑显卡，普通电脑和手机都能跑。
语音转文本能落在哪些场景
- 实时字幕：直播、视频会议、课堂里，语音边说边出文字。
- 无障碍辅助：听力障碍者把语音内容变成可读文字。
- 智能助手：智能家居、车载系统里的语音交互底座。
- 跨语言沟通：多语言识别，翻译和日常沟通都接得住。
离线跑通语音识别需要什么配置
| 条件 | 要求 |
|---|---|
| 处理器 | 只需要 CPU，不依赖 GPU |
| 入门档 | tiny 模型：磁盘 75MB、内存 125MB |
| 满血档 | large 模型：磁盘 2.9GB、内存 3.3GB |
| 平台 | Android / iOS / Windows / Linux / macOS |
| 网络 | 离线可用 |
🎧 想直接跑示例或翻封装源码，仓库拉下来就行：git clone https://gitcode.com/gh_mirrors/wh/whisper_dart
核心调用就这么点：
Whisper whisper = Whisper(); var res = await whisper.request( whisperLib: "libwhisper.so", whisperRequest: WhisperRequest.fromWavFile(audio: File(audio), model: File(model)), );跑通之后
去提 issue，把踩过的坑标出来给后来人；维护方也还在持续更新，新特性会陆续加上。
【免费下载链接】whisper_dartspeech recognition in dart support all audio format and support server side client side, + support all language, only support in cpu only项目地址: https://gitcode.com/gh_mirrors/wh/whisper_dart
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
