Whistle

Whistle

转写七种语言的语音，给出单词时间戳和语音嵌入，模型只有 16.9 MB。一段简短的 Python 脚本就能运行，适合给应用加入语音功能的开发者。

由 Cactus-Compute 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Whistle 是 Cactus Compute 的微型语音模型。它把音频转成文字，给出单词的起止时间，还能生成语音嵌入，而模型只有约 16.9 MB。

它覆盖英语、德语、法语、西班牙语、意大利语、荷兰语和波兰语。第一次使用时，Python 包会获取引擎和模型权重，并在本地保留一份。

适合谁：适合想在应用或小型设备里加入语音功能的开发者，也适合看重小体积下载和本地处理的人。

Industry | Who uses it | How they use it | Example
软件 | 应用开发者 | 调用一个函数来转写音频 | 把一段录音转成文字
设备 | 为小型硬件开发的团队 | 以很小的占用运行语音识别 | 给小巧的设备加入语音输入
媒体 | 剪辑师和档案员 | 从录音里得到单词时间 | 标出每个词从哪里开始、到哪里结束
研究 | 语音研究者 | 使用小模型的语音嵌入 | 通过嵌入比较不同片段

如果你需要这七种以外的语言，可以跳过它，因为卡片没有涉及其他语言。

用在哪里：

• Windows、macOS 或 Linux 上的 Python 程序
• Whistle 网站上的浏览器演示
• 安装额外的软件包选项后用麦克风采集
• Cactus 运行时仓库里列出的平台

Use case | Who | What they get back
转写 | 开发者 | 一个 16 kHz WAV 文件里说的文字
单词时间戳 | 字幕和剪辑团队 | 每个词的开始和结束时间
语音嵌入 | 研究者和搜索构建者 | 描述音频的向量

如何设置：

• Python 和 pip
• 一个要转写的 16 kHz WAV 文件
• 第一次使用时需要联网，好让软件包获取并缓存引擎和权重

1. 安装 cactus-compute 包。
2. 把一个 16 kHz WAV 文件放在脚本能找到的地方。
3. 运行一个调用 transcribe 函数的简短脚本。

pip install -U cactus-compute

如何使用：导入 cactus，用 WAV 文件的路径调用 transcribe，再从结果里打印文字。要用其他采样率或麦克风输入，请安装带 mic 选项的软件包。

import cactus

print(cactus.transcribe("clip.wav")["text"])

Tool | What it does
cactus.transcribe | 转写音频文件并返回包含文字的结果
whistle.cact | 这个仓库提供的模型文件
checkpoints/whistle.safetensors | 这个仓库提供的检查点文件

示例：你把一段简短录音存成 16 kHz 的 clip.wav，并运行上面的脚本。它会把录音里说的话作为纯文字打印出来。

新手与专家：如果你刚接触语音识别，安装软件包，对一段简短的录音运行这个三行脚本。先从七种语言之一的清晰录音开始。

如果你熟悉这个领域，这个模型是约 16.9 MB 的紧凑检查点，能做转写、单词时间戳和语音嵌入。仓库把它做成 cact 文件和 safetensors 检查点发布，卡片还链接了 Python API、语音使用和微调的指南。

16 kHz WAV 文件或麦克风
调用 cactus.transcribe
首次使用时缓存引擎和权重
文字、单词时间或嵌入

注意事项：

• 默认输入是 16 kHz 的 WAV 文件
• 运行时二进制文件和支持的平台放在另外的 Cactus 仓库里
• Hugging Face 列出了别人做的 5 个量化版本和 13 个微调版本
• License: Apache 2.0
• Cost to run: 没有提到
• Data it reaches: 你给它的音频文件或麦克风输入，以及首次使用时下载的引擎和权重
• Not for: 不装额外 mic 选项时的其他采样率，或这七种以外的语言

Hugging Face 上的数据（2026年11月13日）

• 任务：automatic speech recognition
• 框架：cactus-compute
• 最近 30 天下载：94,489
• 点赞：570
• 许可证：apache-2.0
• 语言：en, de, fr, es, it, nl, pl
• Quantized versions: 5
• Fine-tunes: 13
• 标签：cactus-compute, whistle, speech-recognition, speech-to-text, on-device, edge, quantization, webassembly, automatic-speech-recognition

链接

• 模型：https://huggingface.co/Cactus-Compute/whistle
• 文件：https://huggingface.co/Cactus-Compute/whistle/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Cactus-Compute/whistle

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。