examples: add whisper-mic example with docs and unix-only gating

README.md

@@ -842,6 +842,7 @@ Some of the examples are even ported to run in the browser using WebAssembly. Ch
 | [whisper-cli](examples/cli)                         | [whisper.wasm](examples/whisper.wasm) | Tool for translating and transcribing audio using Whisper                                                                       |
 | [whisper-bench](examples/bench)                     | [bench.wasm](examples/bench.wasm)     | Benchmark the performance of Whisper on your machine                                                                            |
 | [whisper-stream](examples/stream)                   | [stream.wasm](examples/stream.wasm)   | Real-time transcription of raw microphone capture                                                                               |
+| [whisper-mic](examples/mic)                         |                                       | Manual start/stop microphone transcription with interactive device selection                                                    |
 | [whisper-command](examples/command)                 | [command.wasm](examples/command.wasm) | Basic voice assistant example for receiving voice commands from the mic                                                         |
 | [whisper-server](examples/server)                   |                                       | HTTP transcription server with OAI-like API                                                                                     |
 | [whisper-talk-llama](examples/talk-llama)           |                                       | Talk with a LLaMA bot                                                                                                           |

compile.txt

@@ -0,0 +1,14 @@
+g++ -O3 minimal_mic.cpp \
+    -I. -I./include -I./ggml/include -I./examples \
+    ./build/src/libwhisper.so \
+    -L/usr/local/cuda/lib64 -lcudart -lcublas \
+    -lpthread -ldl -lm -lrt -o minimal_mic
+
+g++ -O3 doubao_mic.cpp     -I. -I./include -I./ggml/include -I./examples     ./build_gpu/src/libwhisper.so     -L/usr/local/cuda/lib64 -lcudart -lcublas  -lportaudio   -lpthread -ldl -lm -lrt -o doubao_mic.exe
+
+g++ -std=c++17 -O3 doubao_mic.cpp     -I. -I./include -I./ggml/include -I./examples     ./build_gpu/src/libwhisper.so     -L/usr/local/cuda-13.1/lib64     -lcudart -lcublas -lportaudio -lpthread -ldl -lm -lrt     -o doubao_mic.exe
+
+gpu build:
+# 显式指定使用 CUDA 13.1 编译
+cmake -B build -DGGML_CUDA=ON -DCMAKE_CUDA_COMPILER=/usr/local/cuda-13.1/bin/nvcc
+cmake --build build --config Release -j$(nproc)

doubao.cpp

@@ -0,0 +1,157 @@
+#include "whisper.h"
+#include "common.h"
+
+#define MINIAUDIO_IMPLEMENTATION
+#include "miniaudio.h"
+
+#include <vector>
+#include <cstdio>
+#include <string>
+#include <atomic>
+#include <chrono>
+#include <thread>
+
+// 全局原子变量控制录制状态（线程安全）
+std::atomic<bool> is_recording(false);
+// 音频缓冲区
+std::vector<float> audio_buffer;
+
+// 音频回调：仅在录制状态时才采集数据
+void data_callback(ma_device* pDevice, void* pOutput, const void* pInput, ma_uint32 frameCount) {
+    if (!is_recording.load()) return; // 非录制状态直接返回，不采集数据
+    const float* pInputFloat = (const float*)pInput;
+    if (pInputFloat == NULL) return;
+
+    // 采集数据到缓冲区（限制最大录制时长为30秒，防止溢出）
+    const size_t max_frames = 16000 * 30; // 30秒 @ 16kHz
+    const size_t available = max_frames - audio_buffer.size();
+    if (available == 0) return; // 缓冲区已满，停止采集
+
+    const size_t copy_frames = (frameCount > available) ? available : frameCount;
+    audio_buffer.insert(audio_buffer.end(), pInputFloat, pInputFloat + copy_frames);
+}
+
+// 提示信息函数
+void print_usage() {
+    printf("=============================================\n");
+    printf("🎤 语音识别程序（精准录制版）\n");
+    printf("操作说明：\n");
+    printf("  1. 按下【回车键】开始录制\n");
+    printf("  2. 说话完成后，再次按下【回车键】停止录制并识别\n");
+    printf("  3. 录制超过30秒会自动停止\n");
+    printf("  4. Ctrl+C 退出程序\n");
+    printf("=============================================\n");
+}
+
+int main(int argc, char** argv) {
+    if (argc < 2) {
+        fprintf(stderr, "Usage: %s <model_path>\n", argv[0]);
+        return 1;
+    }
+
+    const char* model_path = argv[1];
+
+    // 1. 初始化 Whisper
+    struct whisper_context_params cparams = whisper_context_default_params();
+    cparams.use_gpu = true; // 4050 显卡
+    struct whisper_context* ctx = whisper_init_from_file_with_params(model_path, cparams);
+    if (!ctx) {
+        fprintf(stderr, "❌ 初始化Whisper模型失败\n");
+        return 1;
+    }
+
+    // 2. 初始化 Miniaudio（仅初始化设备，不立即采集）
+    ma_device_config deviceConfig = ma_device_config_init(ma_device_type_capture);
+    deviceConfig.capture.format   = ma_format_f32; // Whisper 需要 float32
+    deviceConfig.capture.channels = 1;             // 单声道
+    deviceConfig.sampleRate       = 16000;         // Whisper 硬指标 16kHz
+    deviceConfig.dataCallback     = data_callback;
+    deviceConfig.pUserData        = nullptr; // 不再传buffer，用全局变量
+
+    ma_device device;
+    if (ma_device_init(NULL, &deviceConfig, &device) != MA_SUCCESS) {
+        fprintf(stderr, "❌ 打开录音设备失败\n");
+        whisper_free(ctx);
+        return -2;
+    }
+
+    // 启动设备（但此时is_recording=false，不会采集数据）
+    if (ma_device_start(&device) != MA_SUCCESS) {
+        fprintf(stderr, "❌ 启动录音设备失败\n");
+        ma_device_uninit(&device);
+        whisper_free(ctx);
+        return -3;
+    }
+
+    print_usage();
+
+    while (true) {
+        // 第一步：等待用户按回车开始录制
+        printf("\n👉 按下回车键开始录制...\n");
+        getchar(); // 等待回车
+
+        // 开始录制
+        is_recording.store(true);
+        audio_buffer.clear(); // 清空旧数据
+        printf("🎙️  正在录制（说话完成后按回车键停止，最长录制30秒）...\n");
+
+        // 等待用户停止录制（按回车）或超时30秒
+        std::thread wait_thread([&]() {
+            getchar(); // 等待用户按回车停止
+            is_recording.store(false);
+        });
+
+        // 超时控制（30秒）
+        auto start_time = std::chrono::steady_clock::now();
+        while (is_recording.load()) {
+            auto now = std::chrono::steady_clock::now();
+            auto duration = std::chrono::duration_cast<std::chrono::seconds>(now - start_time).count();
+            if (duration >= 30) {
+                printf("⏱️  录制超时（30秒），自动停止\n");
+                is_recording.store(false);
+                break;
+            }
+            std::this_thread::sleep_for(std::chrono::milliseconds(100)); // 避免CPU空转
+        }
+
+        wait_thread.join(); // 等待停止线程结束
+        is_recording.store(false); // 确保录制停止
+
+        // 检查录制的数据量
+        if (audio_buffer.empty()) {
+            printf("⚠️  未采集到任何音频数据，请重新录制\n");
+            continue;
+        }
+
+        // 第二步：开始识别
+        printf("🔍 正在识别...\n");
+        whisper_full_params wparams = whisper_full_default_params(WHISPER_SAMPLING_GREEDY);
+        wparams.language = "zh";
+        wparams.n_threads = 12;
+        wparams.print_progress = false;
+        wparams.print_realtime = false;
+
+        if (whisper_full(ctx, wparams, audio_buffer.data(), audio_buffer.size()) != 0) {
+            fprintf(stderr, "❌ 识别失败\n");
+            continue;
+        }
+
+        // 输出识别结果
+        const int n_segments = whisper_full_n_segments(ctx);
+        if (n_segments == 0) {
+            printf("📝: 未识别到有效内容\n");
+        } else {
+            printf("📝 识别结果：\n");
+            for (int i = 0; i < n_segments; ++i) {
+                const char* text = whisper_full_get_segment_text(ctx, i);
+                printf("   %s\n", text);
+            }
+        }
+    }
+
+    // 清理资源（实际中Ctrl+C会中断，这里是兜底）
+    ma_device_uninit(&device);
+    whisper_free(ctx);
+    return 0;
+}
+

doubao_gpu.cpp

@@ -0,0 +1,195 @@
+#include "whisper.h"
+#include "common.h"
+
+#define MINIAUDIO_IMPLEMENTATION
+#include "miniaudio.h"
+
+#include <vector>
+#include <cstdio>
+#include <string>
+#include <atomic>
+#include <chrono>
+#include <thread>
+
+// 全局原子变量控制录制状态（线程安全）
+std::atomic<bool> is_recording(false);
+// 音频缓冲区
+std::vector<float> audio_buffer;
+
+// 音频回调：仅在录制状态时才采集数据
+void data_callback(ma_device* pDevice, void* pOutput, const void* pInput, ma_uint32 frameCount) {
+    if (!is_recording.load()) return; // 非录制状态直接返回，不采集数据
+    const float* pInputFloat = (const float*)pInput;
+    if (pInputFloat == NULL) return;
+
+    // 采集数据到缓冲区（限制最大录制时长为30秒，防止溢出）
+    const size_t max_frames = 16000 * 30; // 30秒 @ 16kHz
+    const size_t available = max_frames - audio_buffer.size();
+    if (available == 0) return; // 缓冲区已满，停止采集
+
+    const size_t copy_frames = (frameCount > available) ? available : frameCount;
+    audio_buffer.insert(audio_buffer.end(), pInputFloat, pInputFloat + copy_frames);
+}
+
+// 提示信息函数
+void print_usage() {
+    printf("=============================================\n");
+    printf("🎤 语音识别程序（精准录制版）\n");
+    printf("操作说明：\n");
+    printf("  1. 按下【回车键】开始录制\n");
+    printf("  2. 说话完成后，再次按下【回车键】停止录制并识别\n");
+    printf("  3. 录制超过30秒会自动停止\n");
+    printf("  4. Ctrl+C 退出程序\n");
+    printf("=============================================\n");
+}
+
+// 适配旧版本的GPU状态提示（不依赖新函数）
+void check_gpu_status() {
+    printf("🔍 GPU加速配置说明...\n");
+    printf("   当前已启用GPU加速（use_gpu = true）\n");
+    printf("   ✅ 如果编译时链接了CUDA库，模型会自动使用GPU\n");
+    printf("   ❌ 如果识别速度很慢，说明实际使用CPU运行\n");
+    printf("   验证方法：观察识别耗时，GPU版本比CPU快5-10倍\n");
+}
+
+int main(int argc, char** argv) {
+    if (argc < 2) {
+        fprintf(stderr, "Usage: %s <model_path>\n", argv[0]);
+        return 1;
+    }
+
+    const char* model_path = argv[1];
+
+    // GPU状态提示（适配旧版本）
+    check_gpu_status();
+
+    // 1. 初始化 Whisper（仅保留旧版本支持的参数）
+    struct whisper_context_params cparams = whisper_context_default_params();
+    cparams.use_gpu = true; // 启用GPU（旧版本核心参数）
+    // 移除use_gpu_fp16和gpu_device（旧版本没有这些字段）
+
+    printf("\n🚀 正在加载模型：%s\n", model_path);
+    struct whisper_context* ctx = whisper_init_from_file_with_params(model_path, cparams);
+    if (!ctx) {
+        fprintf(stderr, "❌ 初始化Whisper模型失败\n");
+        return 1;
+    }
+
+    // 旧版本没有whisper_is_using_gpu，改用间接提示
+    printf("✅ 模型加载成功！\n");
+    printf("   📌 若识别速度快（几秒内完成）= GPU运行\n");
+    printf("   📌 若识别速度慢（十几秒/分钟）= CPU运行\n");
+
+    // 2. 初始化 Miniaudio（仅初始化设备，不立即采集）
+    ma_device_config deviceConfig = ma_device_config_init(ma_device_type_capture);
+    deviceConfig.capture.format   = ma_format_f32; // Whisper 需要 float32
+    deviceConfig.capture.channels = 1;             // 单声道
+    deviceConfig.sampleRate       = 16000;         // Whisper 硬指标 16kHz
+    deviceConfig.dataCallback     = data_callback;
+    deviceConfig.pUserData        = nullptr;
+
+    ma_device device;
+    if (ma_device_init(NULL, &deviceConfig, &device) != MA_SUCCESS) {
+        fprintf(stderr, "❌ 打开录音设备失败\n");
+        whisper_free(ctx);
+        return -2;
+    }
+
+    // 启动设备（但此时is_recording=false，不会采集数据）
+    if (ma_device_start(&device) != MA_SUCCESS) {
+        fprintf(stderr, "❌ 启动录音设备失败\n");
+        ma_device_uninit(&device);
+        whisper_free(ctx);
+        return -3;
+    }
+
+    print_usage();
+
+    while (true) {
+        // 第一步：等待用户按回车开始录制
+        printf("\n👉 按下回车键开始录制...\n");
+        getchar(); // 等待回车
+
+        // 开始录制
+        is_recording.store(true);
+        audio_buffer.clear(); // 清空旧数据
+        printf("🎙️  正在录制（说话完成后按回车键停止，最长录制30秒）...\n");
+
+        // 等待用户停止录制（按回车）或超时30秒
+        std::thread wait_thread([&]() {
+            getchar(); // 等待用户按回车停止
+            is_recording.store(false);
+        });
+
+        // 超时控制（30秒）
+        auto start_time = std::chrono::steady_clock::now();
+        while (is_recording.load()) {
+            auto now = std::chrono::steady_clock::now();
+            auto duration = std::chrono::duration_cast<std::chrono::seconds>(now - start_time).count();
+            if (duration >= 30) {
+                printf("⏱️  录制超时（30秒），自动停止\n");
+                is_recording.store(false);
+                break;
+            }
+            std::this_thread::sleep_for(std::chrono::milliseconds(100)); // 避免CPU空转
+        }
+
+        wait_thread.join(); // 等待停止线程结束
+        is_recording.store(false); // 确保录制停止
+
+        // 检查录制的数据量
+        if (audio_buffer.empty()) {
+            printf("⚠️  未采集到任何音频数据，请重新录制\n");
+            continue;
+        }
+
+        // 第二步：开始识别（优化识别参数提升精度）
+        printf("🔍 正在识别...\n");
+        // 记录识别开始时间（用于判断GPU/CPU）
+        auto recognize_start = std::chrono::steady_clock::now();
+
+        whisper_full_params wparams = whisper_full_default_params(WHISPER_SAMPLING_GREEDY);
+        wparams.language = "zh";
+        wparams.n_threads = 12; // 根据CPU核心数调整
+        wparams.print_progress = false;
+        wparams.print_realtime = false;
+
+        // 精度优化参数（旧版本也支持）
+        wparams.temperature = 0.0; // 降低随机性，提升稳定性
+        wparams.max_len = 0; // 不限制输出长度
+        wparams.translate = false; // 不翻译，直接识别
+        wparams.no_context = true; // 不使用上下文，避免干扰
+
+        if (whisper_full(ctx, wparams, audio_buffer.data(), audio_buffer.size()) != 0) {
+            fprintf(stderr, "❌ 识别失败\n");
+            continue;
+        }
+
+        // 计算识别耗时（判断GPU/CPU）
+        auto recognize_end = std::chrono::steady_clock::now();
+        auto recognize_duration = std::chrono::duration_cast<std::chrono::milliseconds>(recognize_end - recognize_start).count();
+        printf("⏱️  识别耗时：%.2f 秒\n", recognize_duration / 1000.0);
+        if (recognize_duration < 5000) {
+            printf("   🎯 识别速度快，应该是GPU在运行！\n");
+        } else {
+            printf("   ⚠️  识别速度慢，可能是CPU在运行！\n");
+        }
+
+        // 输出识别结果
+        const int n_segments = whisper_full_n_segments(ctx);
+        if (n_segments == 0) {
+            printf("📝: 未识别到有效内容\n");
+        } else {
+            printf("📝 识别结果：\n");
+            for (int i = 0; i < n_segments; ++i) {
+                const char* text = whisper_full_get_segment_text(ctx, i);
+                printf("   %s\n", text);
+            }
+        }
+    }
+
+    // 清理资源
+    ma_device_uninit(&device);
+    whisper_free(ctx);
+    return 0;
+}