MacでWhisperを高速化②whisper.cpp編：導入・モデル(ggml)DL・CLI実行の使い方【Apple Silicon】

夏目ちひろ

編集者 · 技術部

◉ 2025.10.18 · 6min

こんにちは、パレイド技術部の夏目です。

（2026-06-08 更新）Apple Silicon での GPU/Metal 利用と現行 CLI 名（whisper-cli）に合わせて見直し、MLX 編（③）を追記しました。

Pythonを使わずにWhisperを動かしたいなら、最適解はwhisper.cppです。
これはC/C++で書かれたネイティブ実装版のWhisperで、Apple Siliconでも高速に動作します。
依存が少なく、CLIだけで即実行可能。軽量なツールとしてラップトップやRaspberry Piでも動作します。

本記事では、Mac上での導入からモデル取得、実行までを実測に基づいて解説します。
openai-whisper・faster-whisper との違い・速度比較は決定版の比較ガイドにまとめています。

whisper.cppとは（概要）

whisper.cpp は、OpenAI WhisperをC/C++で再実装した軽量版です。
Python不要・依存最小で、CPU最適化された推論を実現します。

特徴
Mac（Apple Silicon）やLinuxでネイティブ動作
PythonやPyTorch不要、依存が少ない
モデルを量子化（int8など）して軽量化可能
CLIのみで実行（スクリプト不要）

速度の目安：
同一条件で openai-whisper の約2〜3倍、faster-whisper と同等かそれ以上。

2. モデルのダウンロード（.bin形式）

whisper.cppは実行時にモデルを自動ダウンロードしません。事前に公式配布ページ等からダウンロードして、パスを指定する必要があります。

whisper.cppは独自形式のモデル（.bin）を使用します。
公式リポジトリまたはGitHubのリンクからダウンロードできます。

公式モデル配布ページ（Hugging Face）: https://huggingface.co/ggerganov/whisper.cpp
GitHub公式リポジトリ: https://github.com/ggerganov/whisper.cpp#models

2-1. ダウンロード例（baseモデル）

モデルファイルはサイズが大きいため、まずは tiny または base から試すのがおすすめです。

下記はbaseモデルを試す例です。

# 作業ディレクトリを作成
mkdir -p ~/Works/whisper_cpp && cd ~/Works/whisper_cpp

# baseモデルをダウンロード
curl -L -O https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-base.bin

# ファイル確認
ls ggml-base.bin

モデル	サイズ	精度	用途目安
tiny	約75MB	速い・軽い	テスト用・短時間音声
base	約145MB	実用最低ライン	ノート・要約
small	約500MB	精度バランス良	会議・インタビュー
medium	約1.5GB	高精度	長時間処理向け
large-v3	約2.9GB	最高精度	精密分析・研究
large-v3-turbo	約1.6GB	高精度（large-v3 に近い）	速度と精度の両立・本命

4. 速度と精度の目安（Apple Silicon実測）

MacBook Air M2（8コアCPU）での実測例：

モデル	ファイル長（1分音声）	処理時間	備考
tiny	約1分	約2秒	軽快。雑音に弱い
base	約1分	約4秒	実用最低ライン
small	約1分	約7秒	精度と速度のバランス良
medium	約1分	約12秒	長時間向け

Apple Silicon では Metal（GPU）と Core ML を使って動作します。
依存が少なく軽量で、whisper.cpp は Apple Silicon 上で最も軽快に動く実装のひとつです。

5. よくあるトラブルと対処

症状	原因と対処
`command not found: whisper-cli`	`brew install whisper-cpp` 後、コマンド名は `whisper-cli`（旧 `main`）。PATH は `brew doctor` で確認。
`model file not found`	`.bin`モデルのパス指定を確認（相対パスでもOK）。
出力が空になる	音声が短すぎる／静音。ファイル形式（WAV）を再確認。
ノイズが多い／誤認識	入力音質を改善、または`small`以上のモデルを利用。