20240202在Ubuntu20.04.6下使用whisper.cpp的显卡模式

20240202在Ubuntu20.04.6下使用whisper.cpp的显卡模式
2024/2/2 19:43


【结论:在Ubuntu20.04.6下,确认large模式识别7分钟中文视频,需要356447.78 ms,也就是356.5秒,需要大概5分钟!效率太差!】
前提条件,可以通过技术手段上外网!^_
首先你要有一张NVIDIA的显卡,比如我用的PDD拼多多的二手GTX1080显卡。【并且极其可能是矿卡!】800¥
2、请正确安装好NVIDIA最新的545版本的驱动程序和CUDA、cuDNN。
2、安装Torch
3、配置whisper


https://github.com/ggerganov/whisper.cpp
https://www.toutiao.com/article/7276732434920653312/?app=news_article&timestamp=1706802934&use_new_style=1&req_id=2024020123553463D3509B1706BC79D479&group_id=7276732434920653312&tt_from=mobile_qq&utm_source=mobile_qq&utm_medium=toutiao_android&utm_campaign=client_share&share_token=7bcb7488-a03d-4291-96fb-d0835ac76cca&source=m_redirect
https://www.toutiao.com/article/7276732434920653312/
OpenAI的whisper的c/c++ 版本体验

首先下载代码,注:我的OS环境是Ubuntu20.04.6。
git clone https://github.com/ggerganov/whisper.cpp

下载成功后进入项目目录:
cd whisper.cpp

执行如下脚本命令下载模型,这里选择的base 版本,我们先来测试英语识别:
bash ./models/download-ggml-model.sh base.en
但是尝试了几次都无法下载成功,报错消息如下:


网上search 了一下,找到可提供下载的链接:
https://github.com/ggerganov/whisper.cpp/tree/master/models
https://huggingface.co/ggerganov/whisper.cpp/tree/main

我选择下载全部35个文件!

下载成功后将模型文件copy 到项目中的models目录:
cp ~/Downloads/ggml-base.en.gin /home/havelet/ai/whisper.cpp/models

接下来执行如下编译命令:
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ make clean
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ WHISPER_CLBLAST=1 make -j16


执行结果如下:
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ WHISPER_CUBLAS=1 make
I whisper.cpp build info: 
I UNAME_S:  Linux
I UNAME_P:  x86_64
I UNAME_M:  x86_64
I CFLAGS:   -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include
I CXXFLAGS: -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include
I LDFLAGS:   -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
I CC:       cc (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0
I CXX:      g++ (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0

nvcc --forward-unknown-to-host-compiler -arch=native -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include -Wno-pedantic -c ggml-cuda.cu -o ggml-cuda.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include   -c ggml.c -o ggml.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include   -c ggml-alloc.c -o ggml-alloc.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include   -c ggml-backend.c -o ggml-backend.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include   -c ggml-quants.c -o ggml-quants.o
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include -c whisper.cpp -o whisper.o
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/main/main.cpp examples/common.cpp examples/common-ggml.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o main  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
./main -h

usage: ./main [options] file0.wav file1.wav ...

options:
  -h,        --help              [default] show this help message and exit
  -t N,      --threads N         [4      ] number of threads to use during computation
  -p N,      --processors N      [1      ] number of processors to use during computation
  -ot N,     --offset-t N        [0      ] time offset in milliseconds
  -on N,     --offset-n N        [0      ] segment index offset
  -d  N,     --duration N        [0      ] duration of audio to process in milliseconds
  -mc N,     --max-context N     [-1     ] maximum number of text context tokens to store
  -ml N,     --max-len N         [0      ] maximum segment length in characters
  -sow,      --split-on-word     [false  ] split on word rather than on token
  -bo N,     --best-of N         [5      ] number of best candidates to keep
  -bs N,     --beam-size N       [5      ] beam size for beam search
  -wt N,     --word-thold N      [0.01   ] word timestamp probability threshold
  -et N,     --entropy-thold N   [2.40   ] entropy threshold for decoder fail
  -lpt N,    --logprob-thold N   [-1.00  ] log probability threshold for decoder fail
  -debug,    --debug-mode        [false  ] enable debug mode (eg. dump log_mel)
  -tr,       --translate         [false  ] translate from source language to english
  -di,       --diarize           [false  ] stereo audio diarization
  -tdrz,     --tinydiarize       [false  ] enable tinydiarize (requires a tdrz model)
  -nf,       --no-fallback       [false  ] do not use temperature fallback while decoding
  -otxt,     --output-txt        [false  ] output result in a text file
  -ovtt,     --output-vtt        [false  ] output result in a vtt file
  -osrt,     --output-srt        [false  ] output result in a srt file
  -olrc,     --output-lrc        [false  ] output result in a lrc file
  -owts,     --output-words      [false  ] output script for generating karaoke video
  -fp,       --font-path         [/System/Library/Fonts/Supplemental/Courier New Bold.ttf] path to a monospace font for karaoke video
  -ocsv,     --output-csv        [false  ] output result in a CSV file
  -oj,       --output-json       [false  ] output result in a JSON file
  -ojf,      --output-json-full  [false  ] include more information in the JSON file
  -of FNAME, --output-file FNAME [       ] output file path (without file extension)
  -np,       --no-prints         [false  ] do not print anything other than the results
  -ps,       --print-special     [false  ] print special tokens
  -pc,       --print-colors      [false  ] print colors
  -pp,       --print-progress    [false  ] print progress
  -nt,       --no-timestamps     [false  ] do not print timestamps
  -l LANG,   --language LANG     [en     ] spoken language ('auto' for auto-detect)
  -dl,       --detect-language   [false  ] exit after automatically detecting language
             --prompt PROMPT     [       ] initial prompt
  -m FNAME,  --model FNAME       [models/ggml-base.en.bin] model path
  -f FNAME,  --file FNAME        [       ] input WAV file path
  -oved D,   --ov-e-device DNAME [CPU    ] the OpenVINO device used for encode inference
  -ls,       --log-score         [false  ] log best decoder scores of tokens
  -ng,       --no-gpu            [false  ] disable GPU

g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/bench/bench.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o bench  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/quantize/quantize.cpp examples/common.cpp examples/common-ggml.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o quantize  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/server/server.cpp examples/common.cpp examples/common-ggml.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o server  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ll


编译成功后,则可以执行测试程序,首先执行自带测试音频:【英文】
./main -f samples/jfk.wav
执行结果如下,我们可看到识别结果正确:

rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ./main -l zh -osrt -m models/g
generate-coreml-interface.sh  generate-coreml-model.sh      ggml-base.en.bin              ggml-large-v3.bin             ggml-medium.bin               ggml_to_pt.py                 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ./main -l zh -osrt -m models/ggml
ggml-base.en.bin   ggml-large-v3.bin  ggml-medium.bin    ggml_to_pt.py      
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ./main -l zh -osrt -m models/ggml-large-v3.bin chs.wav
whisper_init_from_file_with_params_no_state: loading model from 'models/ggml-large-v3.bin'
whisper_model_load: loading model
whisper_model_load: n_vocab       = 51866
whisper_model_load: n_audio_ctx   = 1500
whisper_model_load: n_audio_state = 1280
whisper_model_load: n_audio_head  = 20
whisper_model_load: n_audio_layer = 32
whisper_model_load: n_text_ctx    = 448
whisper_model_load: n_text_state  = 1280
whisper_model_load: n_text_head   = 20
whisper_model_load: n_text_layer  = 32
whisper_model_load: n_mels        = 128
whisper_model_load: ftype         = 1
whisper_model_load: qntvr         = 0
whisper_model_load: type          = 5 (large v3)
whisper_model_load: adding 1609 extra tokens
whisper_model_load: n_langs       = 100
ggml_init_cublas: GGML_CUDA_FORCE_MMQ:   no
ggml_init_cublas: CUDA_USE_TENSOR_CORES: yes
ggml_init_cublas: found 1 CUDA devices:
  Device 0: NVIDIA GeForce GTX 1080, compute capability 6.1, VMM: yes
whisper_backend_init: using CUDA backend
whisper_model_load:    CUDA0 total size =  3094.86 MB (3 buffers)
whisper_model_load: model size    = 3094.36 MB
whisper_backend_init: using CUDA backend
whisper_init_state: kv self size  =  220.20 MB
whisper_init_state: kv cross size =  245.76 MB
whisper_init_state: compute buffer (conv)   =   35.50 MB
whisper_init_state: compute buffer (encode) =  233.50 MB
whisper_init_state: compute buffer (cross)  =   10.15 MB
whisper_init_state: compute buffer (decode) =  108.99 MB

system_info: n_threads = 4 / 36 | AVX = 1 | AVX2 = 1 | AVX512 = 0 | FMA = 1 | NEON = 0 | ARM_FMA = 0 | METAL = 0 | F16C = 1 | FP16_VA = 0 | WASM_SIMD = 0 | BLAS = 1 | SSE3 = 1 | SSSE3 = 1 | VSX = 0 | CUDA = 1 | COREML = 0 | OPENVINO = 0 | 

main: processing 'chs.wav' (6748501 samples, 421.8 sec), 4 threads, 1 processors, 5 beams + best of 5, lang = zh, task = transcribe, timestamps = 1 ...


[00:00:00.040 --> 00:00:01.460]  前段时间有个巨石横火
[00:00:01.460 --> 00:00:02.860]  某某是男人最好的衣媒
[00:00:02.860 --> 00:00:04.800]  这里的某某可以替换为减肥
[00:00:04.800 --> 00:00:07.620]  长发 西装 考研 书唱 永结无间等等等等
[00:00:07.620 --> 00:00:09.320]  我听到最新的一个说法是
[00:00:09.320 --> 00:00:11.940]  微分碎盖加口罩加半框眼镜加冲锋衣
[00:00:11.940 --> 00:00:13.440]  等于男人最好的衣媒
[00:00:13.440 --> 00:00:14.420]  大概也就前几年
[00:00:14.420 --> 00:00:17.560]  冲锋衣还和格子衬衫并列为程序员穿搭精华
[00:00:17.560 --> 00:00:19.940]  紫红色冲锋衣还被誉为广场舞达妈标配
[00:00:19.940 --> 00:00:22.700]  骆驼牌还是我爹这个年纪的人才会愿意买的牌子
[00:00:22.700 --> 00:00:24.380]  不知道风向为啥变得这么快
[00:00:24.380 --> 00:00:26.680]  为啥这东西突然变成男生逆袭神器
[00:00:26.680 --> 00:00:27.660]  时尚潮流单品
[00:00:27.660 --> 00:00:29.580]  后来我翻了一下小红书就懂了
[00:00:29.580 --> 00:00:30.460]  时尚这个时期
[00:00:30.460 --> 00:00:31.620]  重点不在于衣服
[00:00:31.620 --> 00:00:32.160]  在于人
[00:00:32.160 --> 00:00:34.500]  现在小红书上面和冲锋衣相关的笔记
[00:00:34.500 --> 00:00:36.220]  照片里的男生都是这样的
[00:00:36.220 --> 00:00:36.880]  这样的
[00:00:36.880 --> 00:00:38.140]  还有这样的
[00:00:38.140 --> 00:00:39.460]  你们哪里是看穿搭的
[00:00:39.460 --> 00:00:40.540]  你们明明是看脸
[00:00:40.540 --> 00:00:41.780]  就这个造型这个年龄
[00:00:41.780 --> 00:00:43.920]  你换上老头衫也能穿出氛围感好吗
[00:00:43.920 --> 00:00:46.560]  我又想起了当年郭德纲老师穿计繁西的残剧
[00:00:46.560 --> 00:00:48.560]  这个世界对我们这些长得不好看的人
[00:00:48.560 --> 00:00:49.480]  还真是苛刻呢
[00:00:49.480 --> 00:00:52.100]  所以说我总结了一下冲锋衣传达的要领
[00:00:52.100 --> 00:00:54.200]  大概就是一张白净且人畜无汉的脸
[00:00:54.200 --> 00:00:55.120]  充足的发量
[00:00:55.120 --> 00:00:55.980]  纤细的体型
[00:00:55.980 --> 00:00:58.160]  当然身上的冲锋衣还得是骆驼的
[00:00:58.160 --> 00:00:59.320]  去年在户外用品界
[00:00:59.320 --> 00:01:01.100]  最顶流的既不是鸟像书
[00:01:01.100 --> 00:01:02.560]  也不是有校服之称的北面
[00:01:02.560 --> 00:01:04.120]  或者老台顶流哥伦比亚
[00:01:04.120 --> 00:01:04.800]  而是骆驼
[00:01:04.800 --> 00:01:06.980]  双十一骆驼在天猫户外服饰品类
[00:01:06.980 --> 00:01:08.860]  拿下销售额和销量双料冠军
[00:01:08.860 --> 00:01:09.980]  销量达到百万级
[00:01:09.980 --> 00:01:10.620]  在抖音
[00:01:10.620 --> 00:01:13.200]  骆驼销售同比增幅高达百分之296
[00:01:13.200 --> 00:01:15.920]  旗下主打的三合一高性价比冲锋衣成为爆品
[00:01:15.920 --> 00:01:17.260]  哪怕不看双十一
[00:01:17.260 --> 00:01:18.020]  随手一搜
[00:01:18.020 --> 00:01:21.040]  骆驼在冲锋衣的七日销售榜上都是图榜的存在
[00:01:21.040 --> 00:01:22.480]  这是线上的销售表现
[00:01:22.480 --> 00:01:24.200]  至于线下还是网友总结的好
[00:01:24.200 --> 00:01:26.740]  如今在南方街头的骆驼比沙漠里的都多
[00:01:26.740 --> 00:01:27.540]  爬个华山
[00:01:27.540 --> 00:01:28.320]  满山的骆驼
[00:01:28.320 --> 00:01:29.840]  随便逛个街撞山了
[00:01:29.840 --> 00:01:31.060]  至于骆驼为啥这么火
[00:01:31.060 --> 00:01:31.800]  便宜啊
[00:01:31.800 --> 00:01:33.400]  拿卖的最好的丁真同款
[00:01:33.400 --> 00:01:35.500]  幻影黑三合一冲锋衣举个例子
[00:01:35.500 --> 00:01:36.000]  线下买
[00:01:36.000 --> 00:01:37.440]  标牌价格2198
[00:01:37.440 --> 00:01:38.940]  但是跑到网上看一下
[00:01:38.940 --> 00:01:40.460]  标价就变成了699
[00:01:40.460 --> 00:01:41.220]  至于折扣
[00:01:41.220 --> 00:01:42.360]  日常也都是有的
[00:01:42.360 --> 00:01:43.440]  400出头就能买到
[00:01:43.440 --> 00:01:44.960]  甚至有时候能低到300价
[00:01:44.960 --> 00:01:46.140]  要是你还嫌贵
[00:01:46.140 --> 00:01:48.200]  路头还有200块出头的单层冲锋衣
[00:01:48.200 --> 00:01:49.080]  就这个价格
[00:01:49.080 --> 00:01:51.520]  搁上海恐怕还不够两次CityWalk的报名费
[00:01:51.520 --> 00:01:52.560]  看了这个价格
[00:01:52.560 --> 00:01:53.560]  再对比一下北面
[00:01:53.560 --> 00:01:54.640]  1000块钱起步
[00:01:54.640 --> 00:01:56.000]  你就能理解为啥北面
[00:01:56.000 --> 00:01:58.120]  这么快就被大学生踢出了校服序列了
[00:01:58.120 --> 00:02:00.380]  我不知道现在大学生每个月生活费多少
[00:02:00.380 --> 00:02:02.160]  反正按照我上学时候的生活费
[00:02:02.160 --> 00:02:03.200]  一个月不吃不喝
[00:02:03.200 --> 00:02:05.080]  也就买得起俩袖子加一个帽子
[00:02:05.080 --> 00:02:06.420]  难怪当年全是假北面
[00:02:06.420 --> 00:02:07.400]  现在都是真路头
[00:02:07.400 --> 00:02:08.640]  至少人家是正品啊
[00:02:08.640 --> 00:02:10.080]  我翻了一下社交媒体
[00:02:10.080 --> 00:02:12.060]  发现对路头的吐槽和买了路头的
[00:02:12.060 --> 00:02:13.340]  基本上是1比1的比例
[00:02:13.340 --> 00:02:15.040]  吐槽最多的就是衣服会掉色
[00:02:15.040 --> 00:02:15.960]  还会串色
[00:02:15.960 --> 00:02:17.100]  比如图增洗个几次
[00:02:17.100 --> 00:02:18.240]  穿个两天就掉光了
[00:02:18.240 --> 00:02:19.600]  比如不同仓库发的货
[00:02:19.600 --> 00:02:20.600]  质量参差不齐
[00:02:20.600 --> 00:02:22.300]  买衣服还得看户口拼出身
[00:02:22.300 --> 00:02:23.660]  至于什么做工比较差
[00:02:23.660 --> 00:02:24.300]  内胆多
[00:02:24.300 --> 00:02:24.880]  走线糙
[00:02:24.880 --> 00:02:26.380]  不防水之类的就更多了
[00:02:26.380 --> 00:02:27.360]  但是这些吐槽
[00:02:27.360 --> 00:02:29.160]  并不意味着会影响路头的销量
[00:02:29.160 --> 00:02:30.820]  甚至还会有不少自来水表示
[00:02:30.820 --> 00:02:32.680]  就这价格要啥自行车啊
[00:02:32.680 --> 00:02:34.080]  所谓性价比性价比
[00:02:34.080 --> 00:02:35.340]  脱离价位谈性能
[00:02:35.340 --> 00:02:36.980]  这就不符合消费者的需求嘛
[00:02:36.980 --> 00:02:38.480]  无数次价格战告诉我们
[00:02:38.480 --> 00:02:39.500]  只要肯降价
[00:02:39.500 --> 00:02:40.960]  就没有卖不出去的产品
[00:02:40.960 --> 00:02:41.820]  一件冲锋衣
[00:02:41.820 --> 00:02:43.500]  1000多你觉得平平无奇
[00:02:43.500 --> 00:02:44.900]  500多你觉得差点意思
[00:02:44.900 --> 00:02:46.480]  200块你就要秒下单了
[00:02:46.480 --> 00:02:48.520]  到99恐怕就要拼点手速了
[00:02:48.520 --> 00:02:49.560]  像冲锋衣这个品类
[00:02:49.560 --> 00:02:50.720]  本来价格跨度就大
[00:02:50.720 --> 00:02:52.660]  北面最便宜的Gortex冲锋衣
[00:02:52.660 --> 00:02:53.740]  价格3000起步
[00:02:53.740 --> 00:02:56.360]  大概是同品牌最便宜冲锋衣的三倍价格
[00:02:56.360 --> 00:02:57.060]  至于十足鸟
[00:02:57.060 --> 00:02:59.020]  搭载了Gortex的硬壳起步价
[00:02:59.020 --> 00:02:59.780]  就要到4500
[00:02:59.780 --> 00:03:01.080]  而且同样是Gortex
[00:03:01.080 --> 00:03:02.860]  内部也有不同的系列和档次
[00:03:02.860 --> 00:03:03.520]  做成衣服
[00:03:03.520 --> 00:03:05.780]  中间的差价恐怕就够买两件骆驼了
[00:03:05.780 --> 00:03:06.620]  至于智能控温
[00:03:06.620 --> 00:03:07.320]  防水拉链
[00:03:07.320 --> 00:03:07.900]  全压胶
[00:03:07.900 --> 00:03:09.760]  更加不可能出现在骆驼这里了
[00:03:09.760 --> 00:03:11.780]  至少不会是三四百的骆驼身上会有的
[00:03:11.780 --> 00:03:12.660]  有的价外的衣服
[00:03:12.660 --> 00:03:14.040]  买的就是一个放弃幻想
[00:03:14.040 --> 00:03:15.660]  吃到肚子里的科技鱼很活
[00:03:15.660 --> 00:03:16.840]  是能给你省钱的
[00:03:16.840 --> 00:03:18.320]  穿在身上的科技鱼很活
[00:03:18.320 --> 00:03:20.040]  装装件件都是要加钱的
[00:03:20.040 --> 00:03:21.440]  所以正如罗曼罗兰所说
[00:03:21.440 --> 00:03:23.040]  这世界上只有一种英雄主义
[00:03:23.040 --> 00:03:24.860]  就是在认清了骆驼的本质以后
[00:03:24.860 --> 00:03:26.060]  依然选择买骆驼
[00:03:26.060 --> 00:03:26.900]  关于骆驼的火爆
[00:03:26.900 --> 00:03:28.180]  我有一些小小的看法
[00:03:28.180 --> 00:03:28.960]  骆驼这个东西
[00:03:28.960 --> 00:03:30.220]  它其实就是个潮牌
[00:03:30.220 --> 00:03:31.940]  看看它的营销方式就知道了
[00:03:31.940 --> 00:03:32.920]  现在打开小红书
[00:03:32.920 --> 00:03:35.120]  日常可以看到骆驼穿搭是这样的
[00:03:35.120 --> 00:03:36.900]  加一点氛围感是这样的
[00:03:36.900 --> 00:03:37.400]  对比一下
[00:03:37.400 --> 00:03:39.240]  其他品牌的风格是这样的
[00:03:39.240 --> 00:03:40.020]  这样的
[00:03:40.020 --> 00:03:41.280]  其实对比一下就知道了
[00:03:41.280 --> 00:03:42.600]  其他品牌突出一个时程
[00:03:42.600 --> 00:03:44.240]  能防风就一定要讲防风
[00:03:44.240 --> 00:03:45.960]  能扛冻就一定要讲扛冻
[00:03:45.960 --> 00:03:47.340]  但骆驼在营销的时候
[00:03:47.340 --> 00:03:49.080]  主打的就是一个城市户外风
[00:03:49.080 --> 00:03:50.440]  虽然造型是春风衣
[00:03:50.440 --> 00:03:52.180]  但场景往往是在城市里
[00:03:52.180 --> 00:03:54.220]  哪怕在野外也要突出一个风和日丽
[00:03:54.220 --> 00:03:54.940]  阳光敏媚
[00:03:54.940 --> 00:03:56.500]  至少不会在明显的严寒
[00:03:56.500 --> 00:03:58.020]  高海拔或是恶劣气候下
[00:03:58.020 --> 00:04:00.160]  如果用一个词形容骆驼的营销风格
[00:04:00.160 --> 00:04:00.920]  那就是清洗
[00:04:00.920 --> 00:04:03.060]  或者说他很理解自己的消费者是谁
[00:04:03.060 --> 00:04:03.920]  需要什么产品
[00:04:03.920 --> 00:04:05.260]  从使用场景来说
[00:04:05.260 --> 00:04:06.600]  骆驼的消费者买春风衣
[00:04:06.600 --> 00:04:08.640]  不是真的有什么大风大雨要去应对
[00:04:08.640 --> 00:04:10.880]  春风衣的作用是下雨没带伞的时候
[00:04:10.880 --> 00:04:12.160]  临时顶个几分钟
[00:04:12.160 --> 00:04:13.700]  让你能图书馆跑回宿舍
[00:04:13.700 --> 00:04:14.940]  或者是冬天骑电动车
[00:04:14.940 --> 00:04:16.220]  被风吹得不行的时候
[00:04:16.220 --> 00:04:17.200]  稍微扛一下风
[00:04:17.200 --> 00:04:18.340]  不至于体感太冷
[00:04:18.340 --> 00:04:19.700]  当然他们也会出门
[00:04:19.700 --> 00:04:21.780]  但大部分时候也都是去别的城市
[00:04:21.780 --> 00:04:23.860]  或者在城市周边搞搞简单的徒步
[00:04:23.860 --> 00:04:24.920]  这种情况下
[00:04:24.920 --> 00:04:25.920]  穿个骆驼也就够了
[00:04:25.920 --> 00:04:27.220]  从购买动机来说
[00:04:27.220 --> 00:04:29.260]  骆驼就更没有必要上那些硬核科技了
[00:04:29.260 --> 00:04:30.920]  消费者买骆驼买的是个什么呢
[00:04:30.920 --> 00:04:32.240]  不是春风衣的功能性
[00:04:32.240 --> 00:04:33.380]  而是春风衣的造型
[00:04:33.380 --> 00:04:34.340]  宽松的版型
[00:04:34.340 --> 00:04:36.380]  能精准遮住微微隆起的小肚子
[00:04:36.380 --> 00:04:37.440]  棱角分明的质感
[00:04:37.440 --> 00:04:39.420]  能隐藏一切不完美的整体线条
[00:04:39.420 --> 00:04:41.260]  显瘦的副作用就是显年轻
[00:04:41.260 --> 00:04:42.600]  再配上一条牛仔裤
[00:04:42.600 --> 00:04:43.680]  配上一双大黄靴
[00:04:43.680 --> 00:04:45.100]  大学生的气质就出来了
[00:04:45.100 --> 00:04:47.700]  要是自拍的时候再配上大学宿舍洗漱台
[00:04:47.700 --> 00:04:49.380]  那永远擦不干净的镜子
[00:04:49.380 --> 00:04:50.840]  瞬间青春无敌了
[00:04:50.840 --> 00:04:51.700]  说的更直白一点
[00:04:51.700 --> 00:04:53.060]  人家买的是个锦铃神器
[00:04:53.060 --> 00:04:53.820]  所以说
[00:04:53.820 --> 00:04:55.860]  吐槽穿骆驼都是假户外爱好者的人
[00:04:55.860 --> 00:04:57.460]  其实并没有理解骆驼的定位
[00:04:57.460 --> 00:04:59.780]  骆驼其实是给了想要入门山系穿搭
[00:04:59.780 --> 00:05:01.740]  想要追逐流行的人一个最平价
[00:05:01.740 --> 00:05:02.980]  决策成本最低的选择
[00:05:02.980 --> 00:05:04.880]  至于那些真正的硬核户外爱好者
[00:05:04.880 --> 00:05:05.800]  骆驼既没有能力
[00:05:05.800 --> 00:05:07.080]  也没有打算触打他们
[00:05:07.080 --> 00:05:07.980]  反过来说
[00:05:07.980 --> 00:05:09.460]  那些自驾穿越边疆国道
[00:05:09.460 --> 00:05:11.680]  或者去阿尔卑斯山区登山探险的人
[00:05:11.680 --> 00:05:13.540]  也不太可能在户外服饰上省钱
[00:05:13.540 --> 00:05:14.900]  毕竟光是交通住宿
[00:05:14.900 --> 00:05:15.600]  请假出行
[00:05:15.600 --> 00:05:16.560]  成本就不低了
[00:05:16.560 --> 00:05:17.320]  对他们来说
[00:05:17.320 --> 00:05:19.140]  户外装备很多时候是保命用的
[00:05:19.140 --> 00:05:21.180]  也就不存在跟风凹造型的必要了
[00:05:21.180 --> 00:05:22.300]  最后我再说个题外话
[00:05:22.300 --> 00:05:23.320]  年轻人追捧骆驼
[00:05:23.320 --> 00:05:24.240]  一个隐藏的原因
[00:05:24.240 --> 00:05:25.940]  其实是羽绒服越来越贵了
[00:05:25.940 --> 00:05:26.620]  有媒体统计
[00:05:26.620 --> 00:05:28.440]  现在国产羽绒服的平均售价
[00:05:28.440 --> 00:05:29.880]  已经高达881元
[00:05:29.880 --> 00:05:31.140]  波斯灯均价最高
[00:05:31.140 --> 00:05:31.900]  接近2000元
[00:05:31.900 --> 00:05:32.880]  而且过去几年
[00:05:32.880 --> 00:05:34.800]  国产羽绒服品牌都在转向高端化
[00:05:34.800 --> 00:05:37.060]  羽绒服市场分为8000元以上的奢侈级
[00:05:37.060 --> 00:05:38.440]  2000元以下的大众级
[00:05:38.440 --> 00:05:39.740]  而在中间的高端级
[00:05:39.740 --> 00:05:41.220]  国产品牌一直没有存在感
[00:05:41.220 --> 00:05:42.140]  所以过去几年
[00:05:42.140 --> 00:05:43.520]  波斯灯天空人这些品牌
[00:05:43.520 --> 00:05:45.260]  都把2000元到8000元这个市场
[00:05:45.260 --> 00:05:46.560]  当成未来的发展趋势
[00:05:46.560 --> 00:05:47.980]  东芯证券研报显示
[00:05:47.980 --> 00:05:49.600]  从2018到2021年
[00:05:49.600 --> 00:05:52.080]  波斯灯均价4年涨幅达到60%以上
[00:05:52.080 --> 00:05:53.080]  过去5个财年
[00:05:53.080 --> 00:05:54.300]  这个品牌的营销开支
[00:05:54.300 --> 00:05:56.020]  从20多亿涨到了60多亿
[00:05:56.020 --> 00:05:57.240]  羽绒服价格往上走
[00:05:57.240 --> 00:05:59.160]  年轻消费者就开始抛弃羽绒服
[00:05:59.160 --> 00:06:00.300]  购买平价春风衣
[00:06:00.300 --> 00:06:02.240]  里面再穿个普通价位的摇篱绒
[00:06:02.240 --> 00:06:03.280]  或者羽绒小夹克
[00:06:03.280 --> 00:06:05.100]  也不比大几千的羽绒服差多少
[00:06:05.100 --> 00:06:05.740]  说到底
[00:06:05.740 --> 00:06:07.120]  现在消费社会发达了
[00:06:07.120 --> 00:06:08.300]  没有什么需求是一定要
[00:06:08.300 --> 00:06:09.740]  某种特定的解决方案
[00:06:09.740 --> 00:06:11.500]  特定价位的商品才能实现的
[00:06:11.500 --> 00:06:12.080]  要保暖
[00:06:12.080 --> 00:06:13.140]  羽绒服固然很好
[00:06:13.140 --> 00:06:15.320]  但春风衣加一些内搭也很暖和
[00:06:15.320 --> 00:06:15.820]  要时尚
[00:06:15.820 --> 00:06:17.860]  大几千块钱的设计师品牌非常不错
[00:06:17.860 --> 00:06:19.360]  但350的拼多多服饰
[00:06:19.360 --> 00:06:20.520]  搭得好也能出产
[00:06:20.520 --> 00:06:21.620]  要去野外徒步
[00:06:21.620 --> 00:06:22.940]  花五六千买鸟也可以
[00:06:22.940 --> 00:06:25.100]  但迪卡侬也足以应付大多数状况
[00:06:25.100 --> 00:06:25.720]  所以说
[00:06:25.720 --> 00:06:27.420]  花高价买春风衣当然也OK
[00:06:27.420 --> 00:06:28.540]  三四百买件骆驼
[00:06:28.540 --> 00:06:29.880]  也是可以介绍的选择
[00:06:29.880 --> 00:06:31.900]  何况骆驼也多多少少有一些功能性
[00:06:31.900 --> 00:06:32.840]  毕竟它再怎么样
[00:06:32.840 --> 00:06:33.920]  还是个春风衣
[00:06:33.920 --> 00:06:34.800]  理解了这个事情
[00:06:34.800 --> 00:06:35.740]  就很容易分辨
[00:06:35.740 --> 00:06:36.900]  什么是智商税的
[00:06:36.900 --> 00:06:38.740]  那些向你灌输非某个品牌不用
[00:06:38.740 --> 00:06:39.880]  告诉你某个需求
[00:06:39.880 --> 00:06:41.380]  只有某个产品才能满足
[00:06:41.380 --> 00:06:42.160]  某个品牌
[00:06:42.160 --> 00:06:44.220]  就是某个品类绝对的鄙视链顶端
[00:06:44.220 --> 00:06:45.900]  这类营销的智商税含量
[00:06:45.900 --> 00:06:46.860]  必然是很高的
[00:06:46.860 --> 00:06:48.780]  它的目的是剥夺你选择的权利
[00:06:48.780 --> 00:06:51.220]  让你主动放弃比价和寻找平梯的想法
[00:06:51.220 --> 00:06:52.920]  从而避免与其他品牌竞争
[00:06:52.920 --> 00:06:54.280]  而没有竞争的市场
[00:06:54.280 --> 00:06:56.020]  才是智商税含量最高的市场
[00:06:56.020 --> 00:06:57.360]  消费商业洞见
[00:06:57.360 --> 00:06:58.420]  近在IC实验室
[00:06:58.420 --> 00:06:59.000]  我是馆长
[00:06:59.000 --> 00:06:59.840]  我们下期再见
[00:06:59.840 --> 00:07:01.840]  谢谢大家!

output_srt: saving output to 'chs.wav.srt'

whisper_print_timings:     load time =  1232.24 ms
whisper_print_timings:     fallbacks =   1 p /   0 h
whisper_print_timings:      mel time =   507.42 ms
whisper_print_timings:   sample time = 14211.34 ms / 19337 runs (    0.73 ms per run)
whisper_print_timings:   encode time =  9234.67 ms /    19 runs (  486.04 ms per run)
whisper_print_timings:   decode time =    41.85 ms /     2 runs (   20.92 ms per run)
whisper_print_timings:   batchd time = 325320.62 ms / 19329 runs (   16.83 ms per run)
whisper_print_timings:   prompt time =  5857.69 ms /  3869 runs (    1.51 ms per run)
whisper_print_timings:    total time = 356447.78 ms
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ./main -l zh -osrt -m models/ggml-large-v3.bin chs.wav


参考资料:
https://blog.csdn.net/qq_43907505/article/details/135048613?spm=1001.2101.3001.6650.4&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-4-135048613-blog-127843094.235%5Ev43%5Epc_blog_bottom_relevance_base1&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-4-135048613-blog-127843094.235%5Ev43%5Epc_blog_bottom_relevance_base1&utm_relevant_index=9
https://blog.csdn.net/qq_43907505/article/details/135048613
开源语音识别faster-whisper部署教程


日语源视频:【通过hotbox获取】
https://www.bilibili.com/video/BV1fG4y1b74e/?vd_source=4a6b675fa22dfa306da59f67b1f22616
「原神」神里绫华日语配音,谁能拒绝一只蝴蝶忍呢?

中文源视频:【通过猫抓获取】
https://www.ixigua.com/7320445308314485283
2024-01-05 11:06国产冲锋衣杀疯了!百元骆驼如何营销卖爆?-IC实验室


rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ffmpeg
ffmpeg version 4.2.7-0ubuntu0.1 Copyright (c) 2000-2022 the FFmpeg developers
usage: ffmpeg [options] [[infile options] -i infile]... {[outfile options] outfile}...
Use -h to get full help or, even better, run 'man ffmpeg'
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ffmpeg -i chi.mp4 -ar 16000 -ac 1 -c:a pcm_s16le chi.wav
ffmpeg version 4.2.7-0ubuntu0.1 Copyright (c) 2000-2022 the FFmpeg developers
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ffmpeg -i chs.mp4 -ar 16000 -ac 1 -c:a pcm_s16le chs.wav

LOG如下:


rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ make clean
I whisper.cpp build info: 
I UNAME_S:  Linux
I UNAME_P:  x86_64
I UNAME_M:  x86_64
I CFLAGS:   -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3
I CXXFLAGS: -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3
I LDFLAGS:  
I CC:       cc (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0
I CXX:      g++ (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0

rm -f *.o main stream command talk talk-llama bench quantize server lsp libwhisper.a libwhisper.so
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ll
total 19196
drwxrwxr-x 17 rootroot rootroot     4096 2月   2 17:46 ./
drwxr-xr-x 30 rootroot rootroot     4096 2月   2 16:49 ../
drwxrwxr-x  7 rootroot rootroot     4096 2月   2 16:49 bindings/
-rwx------  1 rootroot rootroot  3465644 1月  12 01:28 chs.mp4*
-rw-rw-r--  1 rootroot rootroot 13497126 2月   2 17:26 chs.wav
-rw-rw-r--  1 rootroot rootroot    11821 2月   2 17:41 chs.wav使用CPU.srt
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 cmake/
-rw-rw-r--  1 rootroot rootroot    19150 2月   2 16:49 CMakeLists.txt
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 coreml/
drwx------  2 rootroot rootroot     4096 2月   2 17:45 CPU/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 .devops/
drwxrwxr-x 24 rootroot rootroot     4096 2月   2 16:49 examples/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 extra/
-rw-rw-r--  1 rootroot rootroot    31647 2月   2 16:49 ggml-alloc.c
-rw-rw-r--  1 rootroot rootroot     4055 2月   2 16:49 ggml-alloc.h
-rw-rw-r--  1 rootroot rootroot    67212 2月   2 16:49 ggml-backend.c
-rw-rw-r--  1 rootroot rootroot    11720 2月   2 16:49 ggml-backend.h
-rw-rw-r--  1 rootroot rootroot     5874 2月   2 16:49 ggml-backend-impl.h
-rw-rw-r--  1 rootroot rootroot   676115 2月   2 16:49 ggml.c
-rw-rw-r--  1 rootroot rootroot   440093 2月   2 16:49 ggml-cuda.cu
-rw-rw-r--  1 rootroot rootroot     2104 2月   2 16:49 ggml-cuda.h
-rw-rw-r--  1 rootroot rootroot    85094 2月   2 16:49 ggml.h
-rw-rw-r--  1 rootroot rootroot     7567 2月   2 16:49 ggml-impl.h
-rw-rw-r--  1 rootroot rootroot     2358 2月   2 16:49 ggml-metal.h
-rw-rw-r--  1 rootroot rootroot   150160 2月   2 16:49 ggml-metal.m
-rw-rw-r--  1 rootroot rootroot   225659 2月   2 16:49 ggml-metal.metal
-rw-rw-r--  1 rootroot rootroot    85693 2月   2 16:49 ggml-opencl.cpp
-rw-rw-r--  1 rootroot rootroot     1386 2月   2 16:49 ggml-opencl.h
-rw-rw-r--  1 rootroot rootroot   401791 2月   2 16:49 ggml-quants.c
-rw-rw-r--  1 rootroot rootroot    13705 2月   2 16:49 ggml-quants.h
drwxrwxr-x  8 rootroot rootroot     4096 2月   2 16:49 .git/
drwxrwxr-x  3 rootroot rootroot     4096 2月   2 16:49 .github/
-rw-rw-r--  1 rootroot rootroot      803 2月   2 16:49 .gitignore
-rw-rw-r--  1 rootroot rootroot       96 2月   2 16:49 .gitmodules
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 grammars/
-rw-rw-r--  1 rootroot rootroot     1072 2月   2 16:49 LICENSE
-rw-rw-r--  1 rootroot rootroot    14883 2月   2 16:49 Makefile
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 17:24 models/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 openvino/
-rw-rw-r--  1 rootroot rootroot     1776 2月   2 16:49 Package.swift
-rw-rw-r--  1 rootroot rootroot    39115 2月   2 16:49 README.md
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 samples/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 spm-headers/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 tests/
-rw-rw-r--  1 rootroot rootroot   232975 2月   2 16:49 whisper.cpp
-rw-rw-r--  1 rootroot rootroot    30248 2月   2 16:49 whisper.h
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ll main
ls: cannot access 'main': No such file or directory
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ WHISPER_CLBLAST=1 make -j16
I whisper.cpp build info: 
I UNAME_S:  Linux
I UNAME_P:  x86_64
I UNAME_M:  x86_64
I CFLAGS:   -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CLBLAST
I CXXFLAGS: -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CLBLAST
I LDFLAGS:   -lclblast -lOpenCL
I CC:       cc (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0
I CXX:      g++ (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0

g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CLBLAST -c ggml-opencl.cpp -o ggml-opencl.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CLBLAST   -c ggml.c -o ggml.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CLBLAST   -c ggml-alloc.c -o ggml-alloc.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CLBLAST   -c ggml-backend.c -o ggml-backend.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CLBLAST   -c ggml-quants.c -o ggml-quants.o
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CLBLAST -c whisper.cpp -o whisper.o
ggml-opencl.cpp:15:10: fatal error: clblast.h: No such file or directory
   15 | #include <clblast.h>
      |          ^~~~~~~~~~~
compilation terminated.
make: *** [Makefile:255: ggml-opencl.o] Error 1
make: *** Waiting for unfinished jobs....

rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ sidp aptg-et install openblas

Command 'sidp' not found, did you mean:

  command 'ssdp' from snap ssdp (0.0.1)
  command 'sipp' from deb sip-tester (1:3.6.0-1build1)
  command 'sip' from deb sip-dev (4.19.21+dfsg-1build1)
  command 'sfdp' from deb graphviz (2.42.2-3build2)

See 'snap info <snapname>' for additional versions.

rootroot@rootroot-X99-Turbo:~/whisper.cpp$ sidp apt-get install openblas

Command 'sidp' not found, did you mean:

  command 'ssdp' from snap ssdp (0.0.1)
  command 'sfdp' from deb graphviz (2.42.2-3build2)
  command 'sip' from deb sip-dev (4.19.21+dfsg-1build1)
  command 'sipp' from deb sip-tester (1:3.6.0-1build1)

See 'snap info <snapname>' for additional versions.

rootroot@rootroot-X99-Turbo:~/whisper.cpp$ sudo apt-get install openblas
[sudo] password for rootroot: 
Reading package lists... Done
Building dependency tree       
Reading state information... Done
E: Unable to locate package openblas
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ sudo apt install openblas
Reading package lists... Done
Building dependency tree       
Reading state information... Done
E: Unable to locate package openblas
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ sudo apt-get install libopenblas-dev
Reading package lists... Done
Building dependency tree       
Reading state information... Done
The following additional packages will be installed:
  libopenblas-pthread-dev libopenblas0 libopenblas0-pthread
The following NEW packages will be installed:
  libopenblas-dev libopenblas-pthread-dev libopenblas0 libopenblas0-pthread
0 upgraded, 4 newly installed, 0 to remove and 11 not upgraded.
Need to get 13.7 MB of archives.
After this operation, 153 MB of additional disk space will be used.
Do you want to continue? [Y/n] y
Get:1 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal-updates/universe amd64 libopenblas0-pthread amd64 0.3.8+ds-1ubuntu0.20.04.1 [9,127 kB]
Get:2 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal-updates/universe amd64 libopenblas0 amd64 0.3.8+ds-1ubuntu0.20.04.1 [5,892 B]
Get:3 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal-updates/universe amd64 libopenblas-pthread-dev amd64 0.3.8+ds-1ubuntu0.20.04.1 [4,526 kB]
Get:4 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal-updates/universe amd64 libopenblas-dev amd64 0.3.8+ds-1ubuntu0.20.04.1 [16.4 kB]
Fetched 13.7 MB in 2s (8,470 kB/s)         
Selecting previously unselected package libopenblas0-pthread:amd64.
(Reading database ... 207405 files and directories currently installed.)
Preparing to unpack .../libopenblas0-pthread_0.3.8+ds-1ubuntu0.20.04.1_amd64.deb ...
Unpacking libopenblas0-pthread:amd64 (0.3.8+ds-1ubuntu0.20.04.1) ...
Selecting previously unselected package libopenblas0:amd64.
Preparing to unpack .../libopenblas0_0.3.8+ds-1ubuntu0.20.04.1_amd64.deb ...
Unpacking libopenblas0:amd64 (0.3.8+ds-1ubuntu0.20.04.1) ...
Selecting previously unselected package libopenblas-pthread-dev:amd64.
Preparing to unpack .../libopenblas-pthread-dev_0.3.8+ds-1ubuntu0.20.04.1_amd64.deb ...
Unpacking libopenblas-pthread-dev:amd64 (0.3.8+ds-1ubuntu0.20.04.1) ...
Selecting previously unselected package libopenblas-dev:amd64.
Preparing to unpack .../libopenblas-dev_0.3.8+ds-1ubuntu0.20.04.1_amd64.deb ...
Unpacking libopenblas-dev:amd64 (0.3.8+ds-1ubuntu0.20.04.1) ...
Setting up libopenblas0-pthread:amd64 (0.3.8+ds-1ubuntu0.20.04.1) ...
update-alternatives: using /usr/lib/x86_64-linux-gnu/openblas-pthread/libblas.so.3 to provide /usr/lib/x86_64-linux-gnu/libblas.so.3 (libblas.so.3-x86_64-linux-gnu) in auto mode
update-alternatives: using /usr/lib/x86_64-linux-gnu/openblas-pthread/liblapack.so.3 to provide /usr/lib/x86_64-linux-gnu/liblapack.so.3 (liblapack.so.3-x86_64-linux-gnu) in auto mode
update-alternatives: using /usr/lib/x86_64-linux-gnu/openblas-pthread/libopenblas.so.0 to provide /usr/lib/x86_64-linux-gnu/libopenblas.so.0 (libopenblas.so.0-x86_64-linux-gnu) in auto mode
Setting up libopenblas0:amd64 (0.3.8+ds-1ubuntu0.20.04.1) ...
Setting up libopenblas-pthread-dev:amd64 (0.3.8+ds-1ubuntu0.20.04.1) ...
update-alternatives: using /usr/lib/x86_64-linux-gnu/openblas-pthread/libblas.so to provide /usr/lib/x86_64-linux-gnu/libblas.so (libblas.so-x86_64-linux-gnu) in auto mode
update-alternatives: using /usr/lib/x86_64-linux-gnu/openblas-pthread/liblapack.so to provide /usr/lib/x86_64-linux-gnu/liblapack.so (liblapack.so-x86_64-linux-gnu) in auto mode
update-alternatives: using /usr/lib/x86_64-linux-gnu/openblas-pthread/libopenblas.so to provide /usr/lib/x86_64-linux-gnu/libopenblas.so (libopenblas.so-x86_64-linux-gnu) in auto mode
Setting up libopenblas-dev:amd64 (0.3.8+ds-1ubuntu0.20.04.1) ...
Processing triggers for libc-bin (2.31-0ubuntu9.14) ...
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ WHISPER_CUBLAS=1 make -j16
expr: syntax error: unexpected argument ‘11.6’
I whisper.cpp build info: 
I UNAME_S:  Linux
I UNAME_P:  x86_64
I UNAME_M:  x86_64
I CFLAGS:   -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include
I CXXFLAGS: -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include
I LDFLAGS:   -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
I CC:       cc (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0
I CXX:      g++ (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0

nvcc --forward-unknown-to-host-compiler -arch=all -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include -Wno-pedantic -c ggml-cuda.cu -o ggml-cuda.o
make: nvcc: Command not found
make: *** [Makefile:225: ggml-cuda.o] Error 127
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ nvcc -v

Command 'nvcc' not found, but can be installed with:

sudo apt install nvidia-cuda-toolkit

rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ sudo apt install nvidia-cuda-toolkit
Reading package lists... Done
Building dependency tree       
Reading state information... Done
The following additional packages will be installed:
  g++-8 javascript-common libaccinj64-10.1 libcublas10 libcublaslt10 libcudart10.1 libcufft10 libcufftw10 libcuinj64-10.1 libcupti-dev libcupti-doc libcupti10.1 libcurand10 libcusolver10 libcusolvermg10 libcusparse10 libjs-jquery libnppc10 libnppial10 libnppicc10
  libnppicom10 libnppidei10 libnppif10 libnppig10 libnppim10 libnppist10 libnppisu10 libnppitc10 libnpps10 libnvblas10 libnvgraph10 libnvidia-compute-545 libnvidia-ml-dev libnvjpeg10 libnvrtc10.1 libnvtoolsext1 libnvvm3 libstdc++-8-dev libthrust-dev libvdpau-dev
  node-html5shiv nvidia-cuda-dev nvidia-cuda-doc nvidia-cuda-gdb nvidia-opencl-dev nvidia-profiler nvidia-visual-profiler ocl-icd-opencl-dev opencl-c-headers
Suggested packages:
  g++-8-multilib gcc-8-doc apache2 | lighttpd | httpd libstdc++-8-doc libvdpau-doc nodejs nvidia-driver | nvidia-tesla-440-driver | nvidia-tesla-418-driver libpoclu-dev
Recommended packages:
  libnvcuvid1 nsight-compute nsight-systems
The following NEW packages will be installed:
  g++-8 javascript-common libaccinj64-10.1 libcublas10 libcublaslt10 libcudart10.1 libcufft10 libcufftw10 libcuinj64-10.1 libcupti-dev libcupti-doc libcupti10.1 libcurand10 libcusolver10 libcusolvermg10 libcusparse10 libjs-jquery libnppc10 libnppial10 libnppicc10
  libnppicom10 libnppidei10 libnppif10 libnppig10 libnppim10 libnppist10 libnppisu10 libnppitc10 libnpps10 libnvblas10 libnvgraph10 libnvidia-compute-545 libnvidia-ml-dev libnvjpeg10 libnvrtc10.1 libnvtoolsext1 libnvvm3 libstdc++-8-dev libthrust-dev libvdpau-dev
  node-html5shiv nvidia-cuda-dev nvidia-cuda-doc nvidia-cuda-gdb nvidia-cuda-toolkit nvidia-opencl-dev nvidia-profiler nvidia-visual-profiler ocl-icd-opencl-dev opencl-c-headers
0 upgraded, 50 newly installed, 0 to remove and 11 not upgraded.
Need to get 1,111 MB/1,160 MB of archives.
After this operation, 3,056 MB of additional disk space will be used.
Do you want to continue? [Y/n] y
Get:1 file:/var/cuda-repo-ubuntu2004-12-3-local  libnvidia-compute-545 545.23.08-0ubuntu1 [48.8 MB]
Err:1 file:/var/cuda-repo-ubuntu2004-12-3-local  libnvidia-compute-545 545.23.08-0ubuntu1
  File not found - /var/cuda-repo-ubuntu2004-12-3-local/./libnvidia-compute-545_545.23.08-0ubuntu1_amd64.deb (2: No such file or directory)
Get:2 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/universe amd64 libstdc++-8-dev amd64 8.4.0-3ubuntu2 [1,537 kB]
Get:3 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/universe amd64 g++-8 amd64 8.4.0-3ubuntu2 [10.1 MB]
Get:4 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/main amd64 javascript-common all 11 [6,066 B]
Get:5 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libaccinj64-10.1 amd64 10.1.243-3 [1,893 kB]
Get:6 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcublaslt10 amd64 10.1.243-3 [9,249 kB]
Get:7 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcublas10 amd64 10.1.243-3 [29.7 MB]
Get:8 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcudart10.1 amd64 10.1.243-3 [125 kB]
Get:9 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcufft10 amd64 10.1.243-3 [85.3 MB]
Get:10 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcufftw10 amd64 10.1.243-3 [124 kB]
Get:11 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcuinj64-10.1 amd64 10.1.243-3 [2,030 kB]
Get:12 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcupti10.1 amd64 10.1.243-3 [4,311 kB]
Get:13 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcurand10 amd64 10.1.243-3 [39.0 MB]
Get:14 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcusolver10 amd64 10.1.243-3 [44.5 MB]
Get:15 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcusolvermg10 amd64 10.1.243-3 [28.1 MB]                                                                                                                                                           
Get:16 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcusparse10 amd64 10.1.243-3 [56.8 MB]                                                                                                                                                             
Get:17 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/main amd64 libjs-jquery all 3.3.1~dfsg-3 [329 kB]                                                                                                                                                                     
Get:18 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppc10 amd64 10.1.243-3 [123 kB]                                                                                                                                                                  
Get:19 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppial10 amd64 10.1.243-3 [3,667 kB]                                                                                                                                                              
Get:20 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppicc10 amd64 10.1.243-3 [1,621 kB]                                                                                                                                                              
Get:21 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppicom10 amd64 10.1.243-3 [539 kB]                                                                                                                                                               
Get:22 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppidei10 amd64 10.1.243-3 [2,001 kB]                                                                                                                                                             
Get:23 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppif10 amd64 10.1.243-3 [22.0 MB]                                                                                                                                                                
Get:24 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppig10 amd64 10.1.243-3 [12.0 MB]                                                                                                                                                                
Get:25 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppim10 amd64 10.1.243-3 [2,694 kB]                                                                                                                                                               
Get:26 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppist10 amd64 10.1.243-3 [7,313 kB]                                                                                                                                                              
Get:27 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppisu10 amd64 10.1.243-3 [116 kB]                                                                                                                                                                
Get:28 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnppitc10 amd64 10.1.243-3 [802 kB]                                                                                                                                                                
Get:29 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnpps10 amd64 10.1.243-3 [2,970 kB]                                                                                                                                                                
Get:30 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnvblas10 amd64 10.1.243-3 [129 kB]                                                                                                                                                                
Get:31 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnvgraph10 amd64 10.1.243-3 [44.5 MB]                                                                                                                                                              
Get:32 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnvidia-ml-dev amd64 10.1.243-3 [58.1 kB]                                                                                                                                                          
Get:33 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnvjpeg10 amd64 10.1.243-3 [1,227 kB]                                                                                                                                                              
Get:34 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnvrtc10.1 amd64 10.1.243-3 [6,307 kB]                                                                                                                                                             
Get:35 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/main amd64 libvdpau-dev amd64 1.3-1ubuntu2 [37.3 kB]                                                                                                                                                                  
Get:36 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/universe amd64 node-html5shiv all 3.7.3+dfsg-3 [12.9 kB]                                                                                                                                                              
Get:37 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcupti-dev amd64 10.1.243-3 [4,779 kB]                                                                                                                                                             
Get:38 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libcupti-doc all 10.1.243-3 [2,117 kB]                                                                                                                                                               
Get:39 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnvtoolsext1 amd64 10.1.243-3 [25.1 kB]                                                                                                                                                            
Get:40 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libnvvm3 amd64 10.1.243-3 [4,436 kB]                                                                                                                                                                 
Get:41 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 libthrust-dev all 1.9.5-1 [526 kB]                                                                                                                                                                   
Get:42 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 nvidia-cuda-dev amd64 10.1.243-3 [420 MB]                                                                                                                                                            
Get:43 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 nvidia-cuda-doc all 10.1.243-3 [102 MB]                                                                                                                                                              
Get:44 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 nvidia-cuda-gdb amd64 10.1.243-3 [2,722 kB]                                                                                                                                                          
Get:45 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 nvidia-profiler amd64 10.1.243-3 [2,673 kB]                                                                                                                                                          
Get:46 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/main amd64 opencl-c-headers all 2.2~2019.08.06-g0d5f18c-1 [29.9 kB]                                                                                                                                                   
Get:47 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/main amd64 ocl-icd-opencl-dev amd64 2.2.11-1ubuntu1 [2,512 B]                                                                                                                                                         
Get:48 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 nvidia-opencl-dev amd64 10.1.243-3 [16.5 kB]                                                                                                                                                         
Get:49 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 nvidia-cuda-toolkit amd64 10.1.243-3 [35.0 MB]                                                                                                                                                       
Get:50 http://mirrors.tuna.tsinghua.edu.cn/ubuntu focal/multiverse amd64 nvidia-visual-profiler amd64 10.1.243-3 [115 MB]                                                                                                                                                     
Fetched 1,111 MB in 29s (38.0 MB/s)                                                                                                                                                                                                                                           
E: Failed to fetch file:/var/cuda-repo-ubuntu2004-12-3-local/./libnvidia-compute-545_545.23.08-0ubuntu1_amd64.deb  File not found - /var/cuda-repo-ubuntu2004-12-3-local/./libnvidia-compute-545_545.23.08-0ubuntu1_amd64.deb (2: No such file or directory)
E: Unable to fetch some archives, maybe run apt-get update or try with --fix-missing?
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ sudo apt install nvidia-cuda-toolkit
Reading package lists... Done
Building dependency tree       
Reading state information... Done
The following additional packages will be installed:
  g++-8 javascript-common libaccinj64-10.1 libcublas10 libcublaslt10 libcudart10.1 libcufft10 libcufftw10 libcuinj64-10.1 libcupti-dev libcupti-doc libcupti10.1 libcurand10 libcusolver10 libcusolvermg10 libcusparse10 libjs-jquery libnppc10 libnppial10 libnppicc10
  libnppicom10 libnppidei10 libnppif10 libnppig10 libnppim10 libnppist10 libnppisu10 libnppitc10 libnpps10 libnvblas10 libnvgraph10 libnvidia-compute-545 libnvidia-ml-dev libnvjpeg10 libnvrtc10.1 libnvtoolsext1 libnvvm3 libstdc++-8-dev libthrust-dev libvdpau-dev
  node-html5shiv nvidia-cuda-dev nvidia-cuda-doc nvidia-cuda-gdb nvidia-opencl-dev nvidia-profiler nvidia-visual-profiler ocl-icd-opencl-dev opencl-c-headers
Suggested packages:
  g++-8-multilib gcc-8-doc apache2 | lighttpd | httpd libstdc++-8-doc libvdpau-doc nodejs nvidia-driver | nvidia-tesla-440-driver | nvidia-tesla-418-driver libpoclu-dev
Recommended packages:
  libnvcuvid1 nsight-compute nsight-systems
The following NEW packages will be installed:
  g++-8 javascript-common libaccinj64-10.1 libcublas10 libcublaslt10 libcudart10.1 libcufft10 libcufftw10 libcuinj64-10.1 libcupti-dev libcupti-doc libcupti10.1 libcurand10 libcusolver10 libcusolvermg10 libcusparse10 libjs-jquery libnppc10 libnppial10 libnppicc10
  libnppicom10 libnppidei10 libnppif10 libnppig10 libnppim10 libnppist10 libnppisu10 libnppitc10 libnpps10 libnvblas10 libnvgraph10 libnvidia-compute-545 libnvidia-ml-dev libnvjpeg10 libnvrtc10.1 libnvtoolsext1 libnvvm3 libstdc++-8-dev libthrust-dev libvdpau-dev
  node-html5shiv nvidia-cuda-dev nvidia-cuda-doc nvidia-cuda-gdb nvidia-cuda-toolkit nvidia-opencl-dev nvidia-profiler nvidia-visual-profiler ocl-icd-opencl-dev opencl-c-headers
0 upgraded, 50 newly installed, 0 to remove and 11 not upgraded.
Need to get 0 B/1,160 MB of archives.
After this operation, 3,056 MB of additional disk space will be used.
Do you want to continue? [Y/n] y
Get:1 file:/var/cuda-repo-ubuntu2004-12-3-local  libnvidia-compute-545 545.23.08-0ubuntu1 [48.8 MB]
Err:1 file:/var/cuda-repo-ubuntu2004-12-3-local  libnvidia-compute-545 545.23.08-0ubuntu1
  File not found - /var/cuda-repo-ubuntu2004-12-3-local/./libnvidia-compute-545_545.23.08-0ubuntu1_amd64.deb (2: No such file or directory)
E: Failed to fetch file:/var/cuda-repo-ubuntu2004-12-3-local/./libnvidia-compute-545_545.23.08-0ubuntu1_amd64.deb  File not found - /var/cuda-repo-ubuntu2004-12-3-local/./libnvidia-compute-545_545.23.08-0ubuntu1_amd64.deb (2: No such file or directory)
E: Unable to fetch some archives, maybe run apt-get update or try with --fix-missing?
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ nvcc -v

Command 'nvcc' not found, but can be installed with:

sudo apt install nvidia-cuda-toolkit

rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ cd /usr/local/
rootroot@rootroot-X99-Turbo:/usr/local$ ll
total 44
drwxr-xr-x 11 root root 4096 1月  15 17:10 ./
drwxr-xr-x 14 root root 4096 3月  16  2023 ../
drwxr-xr-x  2 root root 4096 1月  15 17:10 bin/
lrwxrwxrwx  1 root root   22 1月  15 17:10 cuda -> /etc/alternatives/cuda/
lrwxrwxrwx  1 root root   25 1月  15 17:10 cuda-12 -> /etc/alternatives/cuda-12/
drwxr-xr-x 15 root root 4096 1月  15 17:10 cuda-12.3/
drwxr-xr-x  2 root root 4096 3月  16  2023 etc/
drwxr-xr-x  2 root root 4096 3月  16  2023 games/
drwxr-xr-x  2 root root 4096 3月  16  2023 include/
drwxr-xr-x  4 root root 4096 12月 16 19:57 lib/
lrwxrwxrwx  1 root root    9 12月 16 18:23 man -> share/man/
drwxr-xr-x  2 root root 4096 3月  16  2023 sbin/
drwxr-xr-x  7 root root 4096 3月  16  2023 share/
drwxr-xr-x  2 root root 4096 3月  16  2023 src/
rootroot@rootroot-X99-Turbo:/usr/local$ cd cuda
rootroot@rootroot-X99-Turbo:/usr/local/cuda$ ll
total 136
drwxr-xr-x 15 root root  4096 1月  15 17:10 ./
drwxr-xr-x 11 root root  4096 1月  15 17:10 ../
drwxr-xr-x  3 root root  4096 1月  15 17:09 bin/
drwxr-xr-x  5 root root  4096 1月  15 17:07 compute-sanitizer/
drwxr-xr-x  3 root root  4096 1月  15 17:09 doc/
-rw-r--r--  1 root root   160 10月 31 17:24 DOCS
-rw-r--r--  1 root root 61498 10月 31 17:24 EULA.txt
drwxr-xr-x  4 root root  4096 1月  16 10:39 extras/
drwxr-xr-x  4 root root  4096 1月  15 17:09 gds/
lrwxrwxrwx  1 root root    28 10月 31 17:20 include -> targets/x86_64-linux/include/
lrwxrwxrwx  1 root root    24 10月 31 17:20 lib64 -> targets/x86_64-linux/lib/
drwxr-xr-x  7 root root  4096 1月  15 17:09 libnvvp/
drwxr-xr-x  2 root root  4096 1月  15 17:09 nsightee_plugins/
drwxr-xr-x  3 root root  4096 1月  15 17:09 nvml/
drwxr-xr-x  6 root root  4096 1月  15 17:07 nvvm/
-rw-r--r--  1 root root   524 10月 31 17:24 README
drwxr-xr-x  3 root root  4096 1月  15 17:07 share/
drwxr-xr-x  2 root root  4096 1月  15 17:09 src/
drwxr-xr-x  3 root root  4096 1月  15 17:07 targets/
drwxr-xr-x  2 root root  4096 1月  15 17:07 tools/
-rw-r--r--  1 root root  3037 11月 30 02:48 version.json
rootroot@rootroot-X99-Turbo:/usr/local/cuda$ 
rootroot@rootroot-X99-Turbo:/usr/local/cuda$ cd bin/
rootroot@rootroot-X99-Turbo:/usr/local/cuda/bin$ ll
total 159484
drwxr-xr-x  3 root root     4096 1月  15 17:09 ./
drwxr-xr-x 15 root root     4096 1月  15 17:10 ../
-rwxr-xr-x  1 root root    88848 11月 23 03:32 bin2c*
lrwxrwxrwx  1 root root        4 10月 31 21:25 computeprof -> nvvp*
-rwxr-xr-x  1 root root      112 10月 31 17:41 compute-sanitizer*
drwxr-xr-x  2 root root     4096 1月  15 17:07 crt/
-rwxr-xr-x  1 root root  7336920 11月 23 03:32 cudafe++*
-rwxr-xr-x  1 root root 15812648 10月 31 18:46 cuda-gdb*
-rwxr-xr-x  1 root root   812256 10月 31 18:46 cuda-gdbserver*
-rwxr-xr-x  1 root root    75928 10月 31 17:49 cu++filt*
-rwxr-xr-x  1 root root   536064 10月 31 17:46 cuobjdump*
-rwxr-xr-x  1 root root   802968 11月 23 03:32 fatbinary*
-rwxr-xr-x  1 root root     3826 11月 30 02:48 ncu*
-rwxr-xr-x  1 root root     3616 11月 30 02:48 ncu-ui*
-rwxr-xr-x  1 root root     1580 10月 31 17:36 nsight_ee_plugins_manage.sh*
-rwxr-xr-x  1 root root      197 11月 30 02:48 nsight-sys*
-rwxr-xr-x  1 root root      743 11月 30 02:48 nsys*
-rwxr-xr-x  1 root root      833 11月 30 02:48 nsys-ui*
-rwxr-xr-x  1 root root 21784968 11月 23 03:32 nvcc*
-rwxr-xr-x  1 root root    10456 11月 23 03:32 __nvcc_device_query*
-rw-r--r--  1 root root      417 11月 23 03:32 nvcc.profile
-rwxr-xr-x  1 root root 50674712 10月 31 17:45 nvdisasm*
-rwxr-xr-x  1 root root 29746536 11月 23 03:32 nvlink*
-rwxr-xr-x  1 root root  6022464 10月 31 21:16 nvprof*
-rwxr-xr-x  1 root root   109536 10月 31 17:44 nvprune*
-rwxr-xr-x  1 root root      285 10月 31 21:25 nvvp*
-rwxr-xr-x  1 root root 29421152 11月 23 03:32 ptxas*
rootroot@rootroot-X99-Turbo:/usr/local/cuda/bin$ nvcc -v

Command 'nvcc' not found, but can be installed with:

sudo apt install nvidia-cuda-toolkit

rootroot@rootroot-X99-Turbo:/usr/local/cuda/bin$ ./nvcc -v
nvcc fatal   : No input files specified; use option --help for more information
rootroot@rootroot-X99-Turbo:/usr/local/cuda/bin$ ll nvcc
-rwxr-xr-x 1 root root 21784968 11月 23 03:32 nvcc*
rootroot@rootroot-X99-Turbo:/usr/local/cuda/bin$ ./nvcc 
bin2c                        cuda-gdb                     ncu                          nsys-ui                      nvlink                       
computeprof                  cuda-gdbserver               ncu-ui                       nvcc                         nvprof                       
compute-sanitizer            cu++filt                     nsight_ee_plugins_manage.sh  __nvcc_device_query          nvprune                      
crt/                         cuobjdump                    nsight-sys                   nvcc.profile                 nvvp                         
cudafe++                     fatbinary                    nsys                         nvdisasm                     ptxas                        
rootroot@rootroot-X99-Turbo:/usr/local/cuda/bin$ ./nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Wed_Nov_22_10:17:15_PST_2023
Cuda compilation tools, release 12.3, V12.3.107
Build cuda_12.3.r12.3/compiler.33567101_0
rootroot@rootroot-X99-Turbo:/usr/local/cuda/bin$ 
rootroot@rootroot-X99-Turbo:/usr/local/cuda/bin$ 
rootroot@rootroot-X99-Turbo:/usr/local/cuda/bin$ cd ..
rootroot@rootroot-X99-Turbo:/usr/local/cuda$ ll
total 136
drwxr-xr-x 15 root root  4096 1月  15 17:10 ./
drwxr-xr-x 11 root root  4096 1月  15 17:10 ../
drwxr-xr-x  3 root root  4096 1月  15 17:09 bin/
drwxr-xr-x  5 root root  4096 1月  15 17:07 compute-sanitizer/
drwxr-xr-x  3 root root  4096 1月  15 17:09 doc/
-rw-r--r--  1 root root   160 10月 31 17:24 DOCS
-rw-r--r--  1 root root 61498 10月 31 17:24 EULA.txt
drwxr-xr-x  4 root root  4096 1月  16 10:39 extras/
drwxr-xr-x  4 root root  4096 1月  15 17:09 gds/
lrwxrwxrwx  1 root root    28 10月 31 17:20 include -> targets/x86_64-linux/include/
lrwxrwxrwx  1 root root    24 10月 31 17:20 lib64 -> targets/x86_64-linux/lib/
drwxr-xr-x  7 root root  4096 1月  15 17:09 libnvvp/
drwxr-xr-x  2 root root  4096 1月  15 17:09 nsightee_plugins/
drwxr-xr-x  3 root root  4096 1月  15 17:09 nvml/
drwxr-xr-x  6 root root  4096 1月  15 17:07 nvvm/
-rw-r--r--  1 root root   524 10月 31 17:24 README
drwxr-xr-x  3 root root  4096 1月  15 17:07 share/
drwxr-xr-x  2 root root  4096 1月  15 17:09 src/
drwxr-xr-x  3 root root  4096 1月  15 17:07 targets/
drwxr-xr-x  2 root root  4096 1月  15 17:07 tools/
-rw-r--r--  1 root root  3037 11月 30 02:48 version.json
rootroot@rootroot-X99-Turbo:/usr/local/cuda$ cd lib64/
rootroot@rootroot-X99-Turbo:/usr/local/cuda/lib64$ ll
total 4137208
drwxr-xr-x 4 root root      4096 1月  15 17:09 ./
drwxr-xr-x 4 root root      4096 1月  15 17:07 ../
drwxr-xr-x 6 root root      4096 1月  15 17:07 cmake/
lrwxrwxrwx 1 root root        19 10月 31 21:16 libaccinj64.so -> libaccinj64.so.12.3
lrwxrwxrwx 1 root root        23 10月 31 21:16 libaccinj64.so.12.3 -> libaccinj64.so.12.3.101
-rw-r--r-- 1 root root   2412184 10月 31 21:16 libaccinj64.so.12.3.101
-rw-r--r-- 1 root root   1493144 10月 31 20:51 libcheckpoint.so
lrwxrwxrwx 1 root root        17 10月 31 17:51 libcublasLt.so -> libcublasLt.so.12
lrwxrwxrwx 1 root root        23 10月 31 17:51 libcublasLt.so.12 -> libcublasLt.so.12.3.4.1
-rw-r--r-- 1 root root 518358624 10月 31 17:51 libcublasLt.so.12.3.4.1
-rw-r--r-- 1 root root 781766258 10月 31 17:51 libcublasLt_static.a
lrwxrwxrwx 1 root root        15 10月 31 17:51 libcublas.so -> libcublas.so.12
lrwxrwxrwx 1 root root        21 10月 31 17:51 libcublas.so.12 -> libcublas.so.12.3.4.1
-rw-r--r-- 1 root root 106679344 10月 31 17:51 libcublas.so.12.3.4.1
-rw-r--r-- 1 root root 168603496 10月 31 17:51 libcublas_static.a
-rw-r--r-- 1 root root   1647010 10月 31 17:48 libcudadevrt.a
lrwxrwxrwx 1 root root        15 10月 31 17:48 libcudart.so -> libcudart.so.12
lrwxrwxrwx 1 root root        21 10月 31 17:48 libcudart.so.12 -> libcudart.so.12.3.101
-rw-r--r-- 1 root root    703808 10月 31 17:48 libcudart.so.12.3.101
-rw-r--r-- 1 root root   1417724 10月 31 17:48 libcudart_static.a
lrwxrwxrwx 1 root root        14 10月 31 17:57 libcufft.so -> libcufft.so.11
lrwxrwxrwx 1 root root        21 10月 31 17:57 libcufft.so.11 -> libcufft.so.11.0.12.1
-rw-r--r-- 1 root root 177827520 10月 31 17:57 libcufft.so.11.0.12.1
-rw-r--r-- 1 root root 199432168 10月 31 17:57 libcufft_static.a
-rw-r--r-- 1 root root 199334148 10月 31 17:57 libcufft_static_nocallback.a
lrwxrwxrwx 1 root root        15 10月 31 17:57 libcufftw.so -> libcufftw.so.11
lrwxrwxrwx 1 root root        22 10月 31 17:57 libcufftw.so.11 -> libcufftw.so.11.0.12.1
-rw-r--r-- 1 root root    966600 10月 31 17:57 libcufftw.so.11.0.12.1
-rw-r--r-- 1 root root     79566 10月 31 17:57 libcufftw_static.a
lrwxrwxrwx 1 root root        19 10月 26 07:36 libcufile_rdma.so -> libcufile_rdma.so.1
lrwxrwxrwx 1 root root        23 10月 26 07:36 libcufile_rdma.so.1 -> libcufile_rdma.so.1.8.1
-rw-r--r-- 1 root root     43320 10月 26 07:36 libcufile_rdma.so.1.8.1
-rw-r--r-- 1 root root     65206 10月 26 07:36 libcufile_rdma_static.a
lrwxrwxrwx 1 root root        14 10月 26 07:36 libcufile.so -> libcufile.so.0
lrwxrwxrwx 1 root root        18 10月 26 07:36 libcufile.so.0 -> libcufile.so.1.8.1
-rw-r--r-- 1 root root   2993680 10月 26 07:36 libcufile.so.1.8.1
-rw-r--r-- 1 root root  24282190 10月 26 07:36 libcufile_static.a
-rw-r--r-- 1 root root    948952 10月 31 17:49 libcufilt.a
lrwxrwxrwx 1 root root        18 10月 31 21:16 libcuinj64.so -> libcuinj64.so.12.3
lrwxrwxrwx 1 root root        22 10月 31 21:16 libcuinj64.so.12.3 -> libcuinj64.so.12.3.101
-rw-r--r-- 1 root root   2832640 10月 31 21:16 libcuinj64.so.12.3.101
-rw-r--r-- 1 root root     30922 10月 31 17:48 libculibos.a
lrwxrwxrwx 1 root root        14 10月 31 20:51 libcupti.so -> libcupti.so.12
lrwxrwxrwx 1 root root        20 10月 31 20:51 libcupti.so.12 -> libcupti.so.2023.3.1
-rw-r--r-- 1 root root   7683440 10月 31 20:51 libcupti.so.2023.3.1
-rw-r--r-- 1 root root  19214978 10月 31 20:51 libcupti_static.a
lrwxrwxrwx 1 root root        15 11月 23 03:55 libcurand.so -> libcurand.so.10
lrwxrwxrwx 1 root root        23 11月 23 03:55 libcurand.so.10 -> libcurand.so.10.3.4.107
-rw-r--r-- 1 root root  96259504 11月 23 03:55 libcurand.so.10.3.4.107
-rw-r--r-- 1 root root  96328614 11月 23 03:55 libcurand_static.a
-rw-r--r-- 1 root root  16788330 10月 31 18:36 libcusolver_lapack_static.a
-rw-r--r-- 1 root root   1005514 10月 31 18:36 libcusolver_metis_static.a
lrwxrwxrwx 1 root root        19 10月 31 18:36 libcusolverMg.so -> libcusolverMg.so.11
lrwxrwxrwx 1 root root        27 10月 31 18:36 libcusolverMg.so.11 -> libcusolverMg.so.11.5.4.101
-rw-r--r-- 1 root root  83040368 10月 31 18:36 libcusolverMg.so.11.5.4.101
lrwxrwxrwx 1 root root        17 10月 31 18:36 libcusolver.so -> libcusolver.so.11
lrwxrwxrwx 1 root root        25 10月 31 18:36 libcusolver.so.11 -> libcusolver.so.11.5.4.101
-rw-r--r-- 1 root root 115640600 10月 31 18:36 libcusolver.so.11.5.4.101
-rw-r--r-- 1 root root 133576956 10月 31 18:36 libcusolver_static.a
lrwxrwxrwx 1 root root        17 10月 31 18:09 libcusparse.so -> libcusparse.so.12
lrwxrwxrwx 1 root root        25 10月 31 18:09 libcusparse.so.12 -> libcusparse.so.12.2.0.103
-rw-r--r-- 1 root root 267184960 10月 31 18:09 libcusparse.so.12.2.0.103
-rw-r--r-- 1 root root 299914796 10月 31 18:09 libcusparse_static.a
-rw-r--r-- 1 root root   1005514 10月 31 18:36 libmetis_static.a
lrwxrwxrwx 1 root root        13 10月 31 18:19 libnppc.so -> libnppc.so.12
lrwxrwxrwx 1 root root        19 10月 31 18:19 libnppc.so.12 -> libnppc.so.12.2.3.2
-rw-r--r-- 1 root root   1642992 10月 31 18:19 libnppc.so.12.2.3.2
-rw-r--r-- 1 root root     30686 10月 31 18:19 libnppc_static.a
lrwxrwxrwx 1 root root        15 10月 31 18:19 libnppial.so -> libnppial.so.12
lrwxrwxrwx 1 root root        21 10月 31 18:19 libnppial.so.12 -> libnppial.so.12.2.3.2
-rw-r--r-- 1 root root  17568560 10月 31 18:19 libnppial.so.12.2.3.2
-rw-r--r-- 1 root root  19071940 10月 31 18:19 libnppial_static.a
lrwxrwxrwx 1 root root        15 10月 31 18:19 libnppicc.so -> libnppicc.so.12
lrwxrwxrwx 1 root root        21 10月 31 18:19 libnppicc.so.12 -> libnppicc.so.12.2.3.2
-rw-r--r-- 1 root root   7500616 10月 31 18:19 libnppicc.so.12.2.3.2
-rw-r--r-- 1 root root   7041694 10月 31 18:19 libnppicc_static.a
lrwxrwxrwx 1 root root        16 10月 31 18:19 libnppidei.so -> libnppidei.so.12
lrwxrwxrwx 1 root root        22 10月 31 18:19 libnppidei.so.12 -> libnppidei.so.12.2.3.2
-rw-r--r-- 1 root root  11134104 10月 31 18:19 libnppidei.so.12.2.3.2
-rw-r--r-- 1 root root  11875304 10月 31 18:19 libnppidei_static.a
lrwxrwxrwx 1 root root        14 10月 31 18:19 libnppif.so -> libnppif.so.12
lrwxrwxrwx 1 root root        20 10月 31 18:19 libnppif.so.12 -> libnppif.so.12.2.3.2
-rw-r--r-- 1 root root 101066824 10月 31 18:19 libnppif.so.12.2.3.2
-rw-r--r-- 1 root root 103942380 10月 31 18:19 libnppif_static.a
lrwxrwxrwx 1 root root        14 10月 31 18:19 libnppig.so -> libnppig.so.12
lrwxrwxrwx 1 root root        20 10月 31 18:19 libnppig.so.12 -> libnppig.so.12.2.3.2
-rw-r--r-- 1 root root  41137040 10月 31 18:19 libnppig.so.12.2.3.2
-rw-r--r-- 1 root root  41987560 10月 31 18:19 libnppig_static.a
lrwxrwxrwx 1 root root        14 10月 31 18:19 libnppim.so -> libnppim.so.12
lrwxrwxrwx 1 root root        20 10月 31 18:19 libnppim.so.12 -> libnppim.so.12.2.3.2
-rw-r--r-- 1 root root  10322760 10月 31 18:19 libnppim.so.12.2.3.2
-rw-r--r-- 1 root root   9259562 10月 31 18:19 libnppim_static.a
lrwxrwxrwx 1 root root        15 10月 31 18:19 libnppist.so -> libnppist.so.12
lrwxrwxrwx 1 root root        21 10月 31 18:19 libnppist.so.12 -> libnppist.so.12.2.3.2
-rw-r--r-- 1 root root  38171728 10月 31 18:19 libnppist.so.12.2.3.2
-rw-r--r-- 1 root root  39228112 10月 31 18:19 libnppist_static.a
lrwxrwxrwx 1 root root        15 10月 31 18:19 libnppisu.so -> libnppisu.so.12
lrwxrwxrwx 1 root root        21 10月 31 18:19 libnppisu.so.12 -> libnppisu.so.12.2.3.2
-rw-r--r-- 1 root root    716168 10月 31 18:19 libnppisu.so.12.2.3.2
-rw-r--r-- 1 root root     11266 10月 31 18:19 libnppisu_static.a
lrwxrwxrwx 1 root root        15 10月 31 18:19 libnppitc.so -> libnppitc.so.12
lrwxrwxrwx 1 root root        21 10月 31 18:19 libnppitc.so.12 -> libnppitc.so.12.2.3.2
-rw-r--r-- 1 root root   5530224 10月 31 18:19 libnppitc.so.12.2.3.2
-rw-r--r-- 1 root root   4503836 10月 31 18:19 libnppitc_static.a
lrwxrwxrwx 1 root root        13 10月 31 18:19 libnpps.so -> libnpps.so.12
lrwxrwxrwx 1 root root        19 10月 31 18:19 libnpps.so.12 -> libnpps.so.12.2.3.2
-rw-r--r-- 1 root root  18105592 10月 31 18:19 libnpps.so.12.2.3.2
-rw-r--r-- 1 root root  17960158 10月 31 18:19 libnpps_static.a
lrwxrwxrwx 1 root root        15 10月 31 17:51 libnvblas.so -> libnvblas.so.12
lrwxrwxrwx 1 root root        21 10月 31 17:51 libnvblas.so.12 -> libnvblas.so.12.3.4.1
-rw-r--r-- 1 root root    728856 10月 31 17:51 libnvblas.so.12.3.4.1
lrwxrwxrwx 1 root root        18 10月 31 18:11 libnvJitLink.so -> libnvJitLink.so.12
lrwxrwxrwx 1 root root        24 10月 31 18:11 libnvJitLink.so.12 -> libnvJitLink.so.12.3.101
-rw-r--r-- 1 root root  52190720 10月 31 18:11 libnvJitLink.so.12.3.101
-rw-r--r-- 1 root root  63530708 10月 31 18:11 libnvJitLink_static.a
lrwxrwxrwx 1 root root        15 10月 31 17:49 libnvjpeg.so -> libnvjpeg.so.12
lrwxrwxrwx 1 root root        22 10月 31 17:49 libnvjpeg.so.12 -> libnvjpeg.so.12.3.0.81
-rw-r--r-- 1 root root   6705968 10月 31 17:49 libnvjpeg.so.12.3.0.81
-rw-r--r-- 1 root root   6828780 10月 31 17:49 libnvjpeg_static.a
-rw-r--r-- 1 root root  28538488 10月 31 20:51 libnvperf_host.so
-rw-r--r-- 1 root root  36274804 10月 31 20:51 libnvperf_host_static.a
-rw-r--r-- 1 root root   6018384 10月 31 20:51 libnvperf_target.so
-rw-r--r-- 1 root root  47925582 11月 23 03:32 libnvptxcompiler_static.a
lrwxrwxrwx 1 root root        25 11月 23 03:49 libnvrtc-builtins.so -> libnvrtc-builtins.so.12.3
lrwxrwxrwx 1 root root        29 11月 23 03:49 libnvrtc-builtins.so.12.3 -> libnvrtc-builtins.so.12.3.107
-rw-r--r-- 1 root root   6662024 11月 23 03:49 libnvrtc-builtins.so.12.3.107
-rw-r--r-- 1 root root   6681284 11月 23 03:49 libnvrtc-builtins_static.a
lrwxrwxrwx 1 root root        14 11月 23 03:49 libnvrtc.so -> libnvrtc.so.12
lrwxrwxrwx 1 root root        20 11月 23 03:49 libnvrtc.so.12 -> libnvrtc.so.12.3.107
-rw-r--r-- 1 root root  60792048 11月 23 03:49 libnvrtc.so.12.3.107
-rw-r--r-- 1 root root  75105270 11月 23 03:49 libnvrtc_static.a
lrwxrwxrwx 1 root root        18 10月 31 17:52 libnvToolsExt.so -> libnvToolsExt.so.1
lrwxrwxrwx 1 root root        22 10月 31 17:52 libnvToolsExt.so.1 -> libnvToolsExt.so.1.0.0
-rw-r--r-- 1 root root     40136 10月 31 17:52 libnvToolsExt.so.1.0.0
lrwxrwxrwx 1 root root        14 10月 31 17:37 libOpenCL.so -> libOpenCL.so.1
lrwxrwxrwx 1 root root        16 10月 31 17:37 libOpenCL.so.1 -> libOpenCL.so.1.0
lrwxrwxrwx 1 root root        18 10月 31 17:37 libOpenCL.so.1.0 -> libOpenCL.so.1.0.0
-rw-r--r-- 1 root root     30856 10月 31 17:37 libOpenCL.so.1.0.0
-rw-r--r-- 1 root root    912728 10月 31 20:51 libpcsamplingutil.so
drwxr-xr-x 2 root root      4096 1月  15 17:09 stubs/
rootroot@rootroot-X99-Turbo:/usr/local/cuda/lib64$ cd -
/usr/local/cuda
rootroot@rootroot-X99-Turbo:/usr/local/cuda$ cd ~/whisper.cpp/
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ll
total 20728
drwxrwxr-x 17 rootroot rootroot     4096 2月   2 17:46 ./
drwxr-xr-x 30 rootroot rootroot     4096 2月   2 16:49 ../
drwxrwxr-x  7 rootroot rootroot     4096 2月   2 16:49 bindings/
-rwx------  1 rootroot rootroot  3465644 1月  12 01:28 chs.mp4*
-rw-rw-r--  1 rootroot rootroot 13497126 2月   2 17:26 chs.wav
-rw-rw-r--  1 rootroot rootroot    11821 2月   2 17:41 chs.wav使用CPU.srt
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 cmake/
-rw-rw-r--  1 rootroot rootroot    19150 2月   2 16:49 CMakeLists.txt
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 coreml/
drwx------  2 rootroot rootroot     4096 2月   2 17:45 CPU/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 .devops/
drwxrwxr-x 24 rootroot rootroot     4096 2月   2 16:49 examples/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 extra/
-rw-rw-r--  1 rootroot rootroot    31647 2月   2 16:49 ggml-alloc.c
-rw-rw-r--  1 rootroot rootroot     4055 2月   2 16:49 ggml-alloc.h
-rw-rw-r--  1 rootroot rootroot    20504 2月   2 17:46 ggml-alloc.o
-rw-rw-r--  1 rootroot rootroot    67212 2月   2 16:49 ggml-backend.c
-rw-rw-r--  1 rootroot rootroot    11720 2月   2 16:49 ggml-backend.h
-rw-rw-r--  1 rootroot rootroot     5874 2月   2 16:49 ggml-backend-impl.h
-rw-rw-r--  1 rootroot rootroot    58464 2月   2 17:46 ggml-backend.o
-rw-rw-r--  1 rootroot rootroot   676115 2月   2 16:49 ggml.c
-rw-rw-r--  1 rootroot rootroot   440093 2月   2 16:49 ggml-cuda.cu
-rw-rw-r--  1 rootroot rootroot     2104 2月   2 16:49 ggml-cuda.h
-rw-rw-r--  1 rootroot rootroot    85094 2月   2 16:49 ggml.h
-rw-rw-r--  1 rootroot rootroot     7567 2月   2 16:49 ggml-impl.h
-rw-rw-r--  1 rootroot rootroot     2358 2月   2 16:49 ggml-metal.h
-rw-rw-r--  1 rootroot rootroot   150160 2月   2 16:49 ggml-metal.m
-rw-rw-r--  1 rootroot rootroot   225659 2月   2 16:49 ggml-metal.metal
-rw-rw-r--  1 rootroot rootroot   550040 2月   2 17:46 ggml.o
-rw-rw-r--  1 rootroot rootroot    85693 2月   2 16:49 ggml-opencl.cpp
-rw-rw-r--  1 rootroot rootroot     1386 2月   2 16:49 ggml-opencl.h
-rw-rw-r--  1 rootroot rootroot   401791 2月   2 16:49 ggml-quants.c
-rw-rw-r--  1 rootroot rootroot    13705 2月   2 16:49 ggml-quants.h
-rw-rw-r--  1 rootroot rootroot   198024 2月   2 17:46 ggml-quants.o
drwxrwxr-x  8 rootroot rootroot     4096 2月   2 16:49 .git/
drwxrwxr-x  3 rootroot rootroot     4096 2月   2 16:49 .github/
-rw-rw-r--  1 rootroot rootroot      803 2月   2 16:49 .gitignore
-rw-rw-r--  1 rootroot rootroot       96 2月   2 16:49 .gitmodules
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 grammars/
-rw-rw-r--  1 rootroot rootroot     1072 2月   2 16:49 LICENSE
-rw-rw-r--  1 rootroot rootroot    14883 2月   2 16:49 Makefile
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 17:24 models/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 openvino/
-rw-rw-r--  1 rootroot rootroot     1776 2月   2 16:49 Package.swift
-rw-rw-r--  1 rootroot rootroot    39115 2月   2 16:49 README.md
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 samples/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 spm-headers/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 tests/
-rw-rw-r--  1 rootroot rootroot   232975 2月   2 16:49 whisper.cpp
-rw-rw-r--  1 rootroot rootroot    30248 2月   2 16:49 whisper.h
-rw-rw-r--  1 rootroot rootroot   728384 2月   2 17:46 whisper.o
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ cd ..
rootroot@rootroot-X99-Turbo:~$ 
rootroot@rootroot-X99-Turbo:~$ cp .bashrc bak1.bashrc
rootroot@rootroot-X99-Turbo:~$ cd -
/home/rootroot/whisper.cpp
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ll
total 20728
drwxrwxr-x 17 rootroot rootroot     4096 2月   2 17:46 ./
drwxr-xr-x 30 rootroot rootroot     4096 2月   2 17:55 ../
drwxrwxr-x  7 rootroot rootroot     4096 2月   2 16:49 bindings/
-rwx------  1 rootroot rootroot  3465644 1月  12 01:28 chs.mp4*
-rw-rw-r--  1 rootroot rootroot 13497126 2月   2 17:26 chs.wav
-rw-rw-r--  1 rootroot rootroot    11821 2月   2 17:41 chs.wav使用CPU.srt
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 cmake/
-rw-rw-r--  1 rootroot rootroot    19150 2月   2 16:49 CMakeLists.txt
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 coreml/
drwx------  2 rootroot rootroot     4096 2月   2 17:45 CPU/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 .devops/
drwxrwxr-x 24 rootroot rootroot     4096 2月   2 16:49 examples/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 extra/
-rw-rw-r--  1 rootroot rootroot    31647 2月   2 16:49 ggml-alloc.c
-rw-rw-r--  1 rootroot rootroot     4055 2月   2 16:49 ggml-alloc.h
-rw-rw-r--  1 rootroot rootroot    20504 2月   2 17:46 ggml-alloc.o
-rw-rw-r--  1 rootroot rootroot    67212 2月   2 16:49 ggml-backend.c
-rw-rw-r--  1 rootroot rootroot    11720 2月   2 16:49 ggml-backend.h
-rw-rw-r--  1 rootroot rootroot     5874 2月   2 16:49 ggml-backend-impl.h
-rw-rw-r--  1 rootroot rootroot    58464 2月   2 17:46 ggml-backend.o
-rw-rw-r--  1 rootroot rootroot   676115 2月   2 16:49 ggml.c
-rw-rw-r--  1 rootroot rootroot   440093 2月   2 16:49 ggml-cuda.cu
-rw-rw-r--  1 rootroot rootroot     2104 2月   2 16:49 ggml-cuda.h
-rw-rw-r--  1 rootroot rootroot    85094 2月   2 16:49 ggml.h
-rw-rw-r--  1 rootroot rootroot     7567 2月   2 16:49 ggml-impl.h
-rw-rw-r--  1 rootroot rootroot     2358 2月   2 16:49 ggml-metal.h
-rw-rw-r--  1 rootroot rootroot   150160 2月   2 16:49 ggml-metal.m
-rw-rw-r--  1 rootroot rootroot   225659 2月   2 16:49 ggml-metal.metal
-rw-rw-r--  1 rootroot rootroot   550040 2月   2 17:46 ggml.o
-rw-rw-r--  1 rootroot rootroot    85693 2月   2 16:49 ggml-opencl.cpp
-rw-rw-r--  1 rootroot rootroot     1386 2月   2 16:49 ggml-opencl.h
-rw-rw-r--  1 rootroot rootroot   401791 2月   2 16:49 ggml-quants.c
-rw-rw-r--  1 rootroot rootroot    13705 2月   2 16:49 ggml-quants.h
-rw-rw-r--  1 rootroot rootroot   198024 2月   2 17:46 ggml-quants.o
drwxrwxr-x  8 rootroot rootroot     4096 2月   2 16:49 .git/
drwxrwxr-x  3 rootroot rootroot     4096 2月   2 16:49 .github/
-rw-rw-r--  1 rootroot rootroot      803 2月   2 16:49 .gitignore
-rw-rw-r--  1 rootroot rootroot       96 2月   2 16:49 .gitmodules
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 grammars/
-rw-rw-r--  1 rootroot rootroot     1072 2月   2 16:49 LICENSE
-rw-rw-r--  1 rootroot rootroot    14883 2月   2 16:49 Makefile
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 17:24 models/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 openvino/
-rw-rw-r--  1 rootroot rootroot     1776 2月   2 16:49 Package.swift
-rw-rw-r--  1 rootroot rootroot    39115 2月   2 16:49 README.md
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 samples/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 spm-headers/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 tests/
-rw-rw-r--  1 rootroot rootroot   232975 2月   2 16:49 whisper.cpp
-rw-rw-r--  1 rootroot rootroot    30248 2月   2 16:49 whisper.h
-rw-rw-r--  1 rootroot rootroot   728384 2月   2 17:46 whisper.o
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ source ~/.bashrc
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ echo $P
$PATH        $PIPESTATUS  $PPID        $PS1         $PS2         $PS4         $PWD         
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ echo $PATH 
/usr/local/cuda/bin:/home/rootroot/.local/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Wed_Nov_22_10:17:15_PST_2023
Cuda compilation tools, release 12.3, V12.3.107
Build cuda_12.3.r12.3/compiler.33567101_0
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ echo $LD_LIBRARY_PATH
/usr/local/cuda/lib64:
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ WHISPER_CUBLAS=1 make -j16
I whisper.cpp build info: 
I UNAME_S:  Linux
I UNAME_P:  x86_64
I UNAME_M:  x86_64
I CFLAGS:   -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include
I CXXFLAGS: -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include
I LDFLAGS:   -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
I CC:       cc (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0
I CXX:      g++ (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0

nvcc --forward-unknown-to-host-compiler -arch=native -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include -Wno-pedantic -c ggml-cuda.cu -o ggml-cuda.o
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/main/main.cpp examples/common.cpp examples/common-ggml.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o main  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/bench/bench.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o bench  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/quantize/quantize.cpp examples/common.cpp examples/common-ggml.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o quantize  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/server/server.cpp examples/common.cpp examples/common-ggml.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o server  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib 
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_mul_mat':
ggml.c:(.text+0x178a3): undefined reference to `ggml_cl_can_mul_mat'
/usr/bin/ld: ggml.c:(.text+0x17e01): undefined reference to `ggml_cl_mul_mat'
/usr/bin/ld: ggml.o: in function `ggml_init':
ggml.c:(.text+0x23942): undefined reference to `ggml_cl_init'
/usr/bin/ld: ggml.o: in function `ggml_graph_plan':
ggml.c:(.text+0x38346): undefined reference to `ggml_cl_can_mul_mat'
/usr/bin/ld: ggml.c:(.text+0x386a4): undefined reference to `ggml_cl_mul_mat_get_wsize'
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_add':
ggml.c:(.text+0x1afdc): undefined reference to `ggml_cl_add'
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_mul':
ggml.c:(.text+0x1d60c): undefined reference to `ggml_cl_mul'
collect2: error: ld returned 1 exit status
make: *** [Makefile:367: bench] Error 1
make: *** Waiting for unfinished jobs....
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_mul_mat':
ggml.c:(.text+0x178a3): undefined reference to `ggml_cl_can_mul_mat'
/usr/bin/ld: ggml.c:(.text+0x17e01): undefined reference to `ggml_cl_mul_mat'
/usr/bin/ld: ggml.o: in function `ggml_init':
ggml.c:(.text+0x23942): undefined reference to `ggml_cl_init'
/usr/bin/ld: ggml.o: in function `ggml_graph_plan':
ggml.c:(.text+0x38346): undefined reference to `ggml_cl_can_mul_mat'
/usr/bin/ld: ggml.c:(.text+0x386a4): undefined reference to `ggml_cl_mul_mat_get_wsize'
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_add':
ggml.c:(.text+0x1afdc): undefined reference to `ggml_cl_add'
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_mul':
ggml.c:(.text+0x1d60c): undefined reference to `ggml_cl_mul'
collect2: error: ld returned 1 exit status
make: *** [Makefile:370: quantize] Error 1
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_mul_mat':
ggml.c:(.text+0x178a3): undefined reference to `ggml_cl_can_mul_mat'
/usr/bin/ld: ggml.c:(.text+0x17e01): undefined reference to `ggml_cl_mul_mat'
/usr/bin/ld: ggml.o: in function `ggml_init':
ggml.c:(.text+0x23942): undefined reference to `ggml_cl_init'
/usr/bin/ld: ggml.o: in function `ggml_graph_plan':
ggml.c:(.text+0x38346): undefined reference to `ggml_cl_can_mul_mat'
/usr/bin/ld: ggml.c:(.text+0x386a4): undefined reference to `ggml_cl_mul_mat_get_wsize'
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_add':
ggml.c:(.text+0x1afdc): undefined reference to `ggml_cl_add'
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_mul':
ggml.c:(.text+0x1d60c): undefined reference to `ggml_cl_mul'
collect2: error: ld returned 1 exit status
make: *** [Makefile:363: main] Error 1
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_mul_mat':
ggml.c:(.text+0x178a3): undefined reference to `ggml_cl_can_mul_mat'
/usr/bin/ld: ggml.c:(.text+0x17e01): undefined reference to `ggml_cl_mul_mat'
/usr/bin/ld: ggml.o: in function `ggml_init':
ggml.c:(.text+0x23942): undefined reference to `ggml_cl_init'
/usr/bin/ld: ggml.o: in function `ggml_graph_plan':
ggml.c:(.text+0x38346): undefined reference to `ggml_cl_can_mul_mat'
/usr/bin/ld: ggml.c:(.text+0x386a4): undefined reference to `ggml_cl_mul_mat_get_wsize'
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_add':
ggml.c:(.text+0x1afdc): undefined reference to `ggml_cl_add'
/usr/bin/ld: ggml.o: in function `ggml_compute_forward_mul':
ggml.c:(.text+0x1d60c): undefined reference to `ggml_cl_mul'
collect2: error: ld returned 1 exit status
make: *** [Makefile:373: server] Error 1
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ make clean
I whisper.cpp build info: 
I UNAME_S:  Linux
I UNAME_P:  x86_64
I UNAME_M:  x86_64
I CFLAGS:   -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3
I CXXFLAGS: -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3
I LDFLAGS:  
I CC:       cc (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0
I CXX:      g++ (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0

rm -f *.o main stream command talk talk-llama bench quantize server lsp libwhisper.a libwhisper.so
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ WHISPER_CUBLAS=1 make
I whisper.cpp build info: 
I UNAME_S:  Linux
I UNAME_P:  x86_64
I UNAME_M:  x86_64
I CFLAGS:   -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include
I CXXFLAGS: -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include
I LDFLAGS:   -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
I CC:       cc (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0
I CXX:      g++ (Ubuntu 9.4.0-1ubuntu1~20.04.2) 9.4.0

nvcc --forward-unknown-to-host-compiler -arch=native -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include -Wno-pedantic -c ggml-cuda.cu -o ggml-cuda.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include   -c ggml.c -o ggml.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include   -c ggml-alloc.c -o ggml-alloc.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include   -c ggml-backend.c -o ggml-backend.o
cc  -I.              -O3 -DNDEBUG -std=c11   -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include   -c ggml-quants.c -o ggml-quants.o
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include -c whisper.cpp -o whisper.o
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/main/main.cpp examples/common.cpp examples/common-ggml.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o main  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
./main -h

usage: ./main [options] file0.wav file1.wav ...

options:
  -h,        --help              [default] show this help message and exit
  -t N,      --threads N         [4      ] number of threads to use during computation
  -p N,      --processors N      [1      ] number of processors to use during computation
  -ot N,     --offset-t N        [0      ] time offset in milliseconds
  -on N,     --offset-n N        [0      ] segment index offset
  -d  N,     --duration N        [0      ] duration of audio to process in milliseconds
  -mc N,     --max-context N     [-1     ] maximum number of text context tokens to store
  -ml N,     --max-len N         [0      ] maximum segment length in characters
  -sow,      --split-on-word     [false  ] split on word rather than on token
  -bo N,     --best-of N         [5      ] number of best candidates to keep
  -bs N,     --beam-size N       [5      ] beam size for beam search
  -wt N,     --word-thold N      [0.01   ] word timestamp probability threshold
  -et N,     --entropy-thold N   [2.40   ] entropy threshold for decoder fail
  -lpt N,    --logprob-thold N   [-1.00  ] log probability threshold for decoder fail
  -debug,    --debug-mode        [false  ] enable debug mode (eg. dump log_mel)
  -tr,       --translate         [false  ] translate from source language to english
  -di,       --diarize           [false  ] stereo audio diarization
  -tdrz,     --tinydiarize       [false  ] enable tinydiarize (requires a tdrz model)
  -nf,       --no-fallback       [false  ] do not use temperature fallback while decoding
  -otxt,     --output-txt        [false  ] output result in a text file
  -ovtt,     --output-vtt        [false  ] output result in a vtt file
  -osrt,     --output-srt        [false  ] output result in a srt file
  -olrc,     --output-lrc        [false  ] output result in a lrc file
  -owts,     --output-words      [false  ] output script for generating karaoke video
  -fp,       --font-path         [/System/Library/Fonts/Supplemental/Courier New Bold.ttf] path to a monospace font for karaoke video
  -ocsv,     --output-csv        [false  ] output result in a CSV file
  -oj,       --output-json       [false  ] output result in a JSON file
  -ojf,      --output-json-full  [false  ] include more information in the JSON file
  -of FNAME, --output-file FNAME [       ] output file path (without file extension)
  -np,       --no-prints         [false  ] do not print anything other than the results
  -ps,       --print-special     [false  ] print special tokens
  -pc,       --print-colors      [false  ] print colors
  -pp,       --print-progress    [false  ] print progress
  -nt,       --no-timestamps     [false  ] do not print timestamps
  -l LANG,   --language LANG     [en     ] spoken language ('auto' for auto-detect)
  -dl,       --detect-language   [false  ] exit after automatically detecting language
             --prompt PROMPT     [       ] initial prompt
  -m FNAME,  --model FNAME       [models/ggml-base.en.bin] model path
  -f FNAME,  --file FNAME        [       ] input WAV file path
  -oved D,   --ov-e-device DNAME [CPU    ] the OpenVINO device used for encode inference
  -ls,       --log-score         [false  ] log best decoder scores of tokens
  -ng,       --no-gpu            [false  ] disable GPU

g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/bench/bench.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o bench  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/quantize/quantize.cpp examples/common.cpp examples/common-ggml.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o quantize  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib
g++ -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -D_XOPEN_SOURCE=600 -D_GNU_SOURCE -pthread -mavx -mavx2 -mfma -mf16c -msse3 -mssse3 -DGGML_USE_CUBLAS -I/usr/local/cuda/include -I/opt/cuda/include -I/targets/x86_64-linux/include examples/server/server.cpp examples/common.cpp examples/common-ggml.cpp ggml-cuda.o ggml.o ggml-alloc.o ggml-backend.o ggml-quants.o whisper.o -o server  -lcuda -lcublas -lculibos -lcudart -lcublasLt -lpthread -ldl -lrt -L/usr/local/cuda/lib64 -L/opt/cuda/lib64 -L/targets/x86_64-linux/lib 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ll
total 33624
drwxrwxr-x 17 rootroot rootroot     4096 2月   2 18:00 ./
drwxr-xr-x 30 rootroot rootroot     4096 2月   2 17:55 ../
-rwxrwxr-x  1 rootroot rootroot  2632736 2月   2 18:00 bench*
drwxrwxr-x  7 rootroot rootroot     4096 2月   2 16:49 bindings/
-rwx------  1 rootroot rootroot  3465644 1月  12 01:28 chs.mp4*
-rw-rw-r--  1 rootroot rootroot 13497126 2月   2 17:26 chs.wav
-rw-rw-r--  1 rootroot rootroot    11821 2月   2 17:41 chs.wav使用CPU.srt
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 cmake/
-rw-rw-r--  1 rootroot rootroot    19150 2月   2 16:49 CMakeLists.txt
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 coreml/
drwx------  2 rootroot rootroot     4096 2月   2 17:45 CPU/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 .devops/
drwxrwxr-x 24 rootroot rootroot     4096 2月   2 16:49 examples/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 extra/
-rw-rw-r--  1 rootroot rootroot    31647 2月   2 16:49 ggml-alloc.c
-rw-rw-r--  1 rootroot rootroot     4055 2月   2 16:49 ggml-alloc.h
-rw-rw-r--  1 rootroot rootroot    20504 2月   2 17:59 ggml-alloc.o
-rw-rw-r--  1 rootroot rootroot    67212 2月   2 16:49 ggml-backend.c
-rw-rw-r--  1 rootroot rootroot    11720 2月   2 16:49 ggml-backend.h
-rw-rw-r--  1 rootroot rootroot     5874 2月   2 16:49 ggml-backend-impl.h
-rw-rw-r--  1 rootroot rootroot    58712 2月   2 17:59 ggml-backend.o
-rw-rw-r--  1 rootroot rootroot   676115 2月   2 16:49 ggml.c
-rw-rw-r--  1 rootroot rootroot   440093 2月   2 16:49 ggml-cuda.cu
-rw-rw-r--  1 rootroot rootroot     2104 2月   2 16:49 ggml-cuda.h
-rw-rw-r--  1 rootroot rootroot  1741536 2月   2 17:59 ggml-cuda.o
-rw-rw-r--  1 rootroot rootroot    85094 2月   2 16:49 ggml.h
-rw-rw-r--  1 rootroot rootroot     7567 2月   2 16:49 ggml-impl.h
-rw-rw-r--  1 rootroot rootroot     2358 2月   2 16:49 ggml-metal.h
-rw-rw-r--  1 rootroot rootroot   150160 2月   2 16:49 ggml-metal.m
-rw-rw-r--  1 rootroot rootroot   225659 2月   2 16:49 ggml-metal.metal
-rw-rw-r--  1 rootroot rootroot   548304 2月   2 17:59 ggml.o
-rw-rw-r--  1 rootroot rootroot    85693 2月   2 16:49 ggml-opencl.cpp
-rw-rw-r--  1 rootroot rootroot     1386 2月   2 16:49 ggml-opencl.h
-rw-rw-r--  1 rootroot rootroot   401791 2月   2 16:49 ggml-quants.c
-rw-rw-r--  1 rootroot rootroot    13705 2月   2 16:49 ggml-quants.h
-rw-rw-r--  1 rootroot rootroot   198024 2月   2 17:59 ggml-quants.o
drwxrwxr-x  8 rootroot rootroot     4096 2月   2 16:49 .git/
drwxrwxr-x  3 rootroot rootroot     4096 2月   2 16:49 .github/
-rw-rw-r--  1 rootroot rootroot      803 2月   2 16:49 .gitignore
-rw-rw-r--  1 rootroot rootroot       96 2月   2 16:49 .gitmodules
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 grammars/
-rw-rw-r--  1 rootroot rootroot     1072 2月   2 16:49 LICENSE
-rwxrwxr-x  1 rootroot rootroot  2858480 2月   2 18:00 main*
-rw-rw-r--  1 rootroot rootroot    14883 2月   2 16:49 Makefile
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 17:24 models/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 openvino/
-rw-rw-r--  1 rootroot rootroot     1776 2月   2 16:49 Package.swift
-rwxrwxr-x  1 rootroot rootroot  2805104 2月   2 18:00 quantize*
-rw-rw-r--  1 rootroot rootroot    39115 2月   2 16:49 README.md
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 samples/
-rwxrwxr-x  1 rootroot rootroot  3161376 2月   2 18:00 server*
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 spm-headers/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 tests/
-rw-rw-r--  1 rootroot rootroot   232975 2月   2 16:49 whisper.cpp
-rw-rw-r--  1 rootroot rootroot    30248 2月   2 16:49 whisper.h
-rw-rw-r--  1 rootroot rootroot   729136 2月   2 18:00 whisper.o
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ll main 
-rwxrwxr-x 1 rootroot rootroot 2858480 2月   2 18:00 main*
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ll
total 33624
drwxrwxr-x 17 rootroot rootroot     4096 2月   2 18:00 ./
drwxr-xr-x 30 rootroot rootroot     4096 2月   2 17:55 ../
-rwxrwxr-x  1 rootroot rootroot  2632736 2月   2 18:00 bench*
drwxrwxr-x  7 rootroot rootroot     4096 2月   2 16:49 bindings/
-rwx------  1 rootroot rootroot  3465644 1月  12 01:28 chs.mp4*
-rw-rw-r--  1 rootroot rootroot 13497126 2月   2 17:26 chs.wav
-rw-rw-r--  1 rootroot rootroot    11821 2月   2 17:41 chs.wav使用CPU.srt
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 cmake/
-rw-rw-r--  1 rootroot rootroot    19150 2月   2 16:49 CMakeLists.txt
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 coreml/
drwx------  2 rootroot rootroot     4096 2月   2 17:45 CPU/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 .devops/
drwxrwxr-x 24 rootroot rootroot     4096 2月   2 16:49 examples/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 extra/
-rw-rw-r--  1 rootroot rootroot    31647 2月   2 16:49 ggml-alloc.c
-rw-rw-r--  1 rootroot rootroot     4055 2月   2 16:49 ggml-alloc.h
-rw-rw-r--  1 rootroot rootroot    20504 2月   2 17:59 ggml-alloc.o
-rw-rw-r--  1 rootroot rootroot    67212 2月   2 16:49 ggml-backend.c
-rw-rw-r--  1 rootroot rootroot    11720 2月   2 16:49 ggml-backend.h
-rw-rw-r--  1 rootroot rootroot     5874 2月   2 16:49 ggml-backend-impl.h
-rw-rw-r--  1 rootroot rootroot    58712 2月   2 17:59 ggml-backend.o
-rw-rw-r--  1 rootroot rootroot   676115 2月   2 16:49 ggml.c
-rw-rw-r--  1 rootroot rootroot   440093 2月   2 16:49 ggml-cuda.cu
-rw-rw-r--  1 rootroot rootroot     2104 2月   2 16:49 ggml-cuda.h
-rw-rw-r--  1 rootroot rootroot  1741536 2月   2 17:59 ggml-cuda.o
-rw-rw-r--  1 rootroot rootroot    85094 2月   2 16:49 ggml.h
-rw-rw-r--  1 rootroot rootroot     7567 2月   2 16:49 ggml-impl.h
-rw-rw-r--  1 rootroot rootroot     2358 2月   2 16:49 ggml-metal.h
-rw-rw-r--  1 rootroot rootroot   150160 2月   2 16:49 ggml-metal.m
-rw-rw-r--  1 rootroot rootroot   225659 2月   2 16:49 ggml-metal.metal
-rw-rw-r--  1 rootroot rootroot   548304 2月   2 17:59 ggml.o
-rw-rw-r--  1 rootroot rootroot    85693 2月   2 16:49 ggml-opencl.cpp
-rw-rw-r--  1 rootroot rootroot     1386 2月   2 16:49 ggml-opencl.h
-rw-rw-r--  1 rootroot rootroot   401791 2月   2 16:49 ggml-quants.c
-rw-rw-r--  1 rootroot rootroot    13705 2月   2 16:49 ggml-quants.h
-rw-rw-r--  1 rootroot rootroot   198024 2月   2 17:59 ggml-quants.o
drwxrwxr-x  8 rootroot rootroot     4096 2月   2 16:49 .git/
drwxrwxr-x  3 rootroot rootroot     4096 2月   2 16:49 .github/
-rw-rw-r--  1 rootroot rootroot      803 2月   2 16:49 .gitignore
-rw-rw-r--  1 rootroot rootroot       96 2月   2 16:49 .gitmodules
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 grammars/
-rw-rw-r--  1 rootroot rootroot     1072 2月   2 16:49 LICENSE
-rwxrwxr-x  1 rootroot rootroot  2858480 2月   2 18:00 main*
-rw-rw-r--  1 rootroot rootroot    14883 2月   2 16:49 Makefile
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 17:24 models/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 openvino/
-rw-rw-r--  1 rootroot rootroot     1776 2月   2 16:49 Package.swift
-rwxrwxr-x  1 rootroot rootroot  2805104 2月   2 18:00 quantize*
-rw-rw-r--  1 rootroot rootroot    39115 2月   2 16:49 README.md
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 samples/
-rwxrwxr-x  1 rootroot rootroot  3161376 2月   2 18:00 server*
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 spm-headers/
drwxrwxr-x  2 rootroot rootroot     4096 2月   2 16:49 tests/
-rw-rw-r--  1 rootroot rootroot   232975 2月   2 16:49 whisper.cpp
-rw-rw-r--  1 rootroot rootroot    30248 2月   2 16:49 whisper.h
-rw-rw-r--  1 rootroot rootroot   729136 2月   2 18:00 whisper.o
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ./main -l zh -osrt -m models/ggml-medium.bin chs.wav 
whisper_init_from_file_with_params_no_state: loading model from 'models/ggml-medium.bin'
whisper_model_load: loading model
whisper_model_load: n_vocab       = 51865
whisper_model_load: n_audio_ctx   = 1500
whisper_model_load: n_audio_state = 1024
whisper_model_load: n_audio_head  = 16
whisper_model_load: n_audio_layer = 24
whisper_model_load: n_text_ctx    = 448
whisper_model_load: n_text_state  = 1024
whisper_model_load: n_text_head   = 16
whisper_model_load: n_text_layer  = 24
whisper_model_load: n_mels        = 80
whisper_model_load: ftype         = 1
whisper_model_load: qntvr         = 0
whisper_model_load: type          = 4 (medium)
whisper_model_load: adding 1608 extra tokens
whisper_model_load: n_langs       = 99
ggml_init_cublas: GGML_CUDA_FORCE_MMQ:   no
ggml_init_cublas: CUDA_USE_TENSOR_CORES: yes
ggml_init_cublas: found 1 CUDA devices:
  Device 0: NVIDIA GeForce GTX 1080, compute capability 6.1, VMM: yes
whisper_backend_init: using CUDA backend
whisper_model_load:    CUDA0 total size =  1533.52 MB (2 buffers)
whisper_model_load: model size    = 1533.14 MB
whisper_backend_init: using CUDA backend
whisper_init_state: kv self size  =  132.12 MB
whisper_init_state: kv cross size =  147.46 MB
whisper_init_state: compute buffer (conv)   =   28.00 MB
whisper_init_state: compute buffer (encode) =  187.14 MB
whisper_init_state: compute buffer (cross)  =    8.46 MB
whisper_init_state: compute buffer (decode) =  107.98 MB

system_info: n_threads = 4 / 36 | AVX = 1 | AVX2 = 1 | AVX512 = 0 | FMA = 1 | NEON = 0 | ARM_FMA = 0 | METAL = 0 | F16C = 1 | FP16_VA = 0 | WASM_SIMD = 0 | BLAS = 1 | SSE3 = 1 | SSSE3 = 1 | VSX = 0 | CUDA = 1 | COREML = 0 | OPENVINO = 0 | 

main: processing 'chs.wav' (6748501 samples, 421.8 sec), 4 threads, 1 processors, 5 beams + best of 5, lang = zh, task = transcribe, timestamps = 1 ...


[00:00:00.000 --> 00:00:01.400]  前段時間有個巨石恒火
[00:00:01.400 --> 00:00:03.000]  某某是男人最好的醫妹
[00:00:03.000 --> 00:00:04.760]  這裡的某某可以替換為減肥
[00:00:04.760 --> 00:00:07.720]  長髮 西裝 考研 速唱 永潔無間等等等等
[00:00:07.720 --> 00:00:09.280]  我聽到最新的一個說法是
[00:00:09.280 --> 00:00:11.960]  微分碎蓋加口罩加半框眼鏡加春風衣
[00:00:11.960 --> 00:00:13.320]  等於男人最好的醫妹
[00:00:13.320 --> 00:00:14.400]  大概也就前幾年
[00:00:14.400 --> 00:00:17.400]  春風衣還和格子襯衫並列為程序員穿搭精華
[00:00:17.400 --> 00:00:20.000]  紫紅色春風衣還被譽為廣場5大媽標配
[00:00:20.000 --> 00:00:21.600]  路透牌還是我爹這個年紀的人
[00:00:21.600 --> 00:00:22.800]  才會願意買的牌子
[00:00:22.800 --> 00:00:24.400]  不知道風向為啥變得這麼快
[00:00:24.400 --> 00:00:29.600]  為啥這東西突然變成男生逆襲神器 時尚潮流單品了後來我翻了一下小紅書就懂了
[00:00:29.600 --> 00:00:32.400]  時尚這個時期重點不在於衣服在於人
[00:00:32.400 --> 00:00:34.600]  現在小紅書上面和春風衣相關的筆記
[00:00:34.600 --> 00:00:36.200]  照片裡的男生都是這樣的
[00:00:36.200 --> 00:00:37.000]  這樣的
[00:00:37.000 --> 00:00:38.000]  還有這樣的
[00:00:38.000 --> 00:00:39.400]  你們哪裡是看穿搭的
[00:00:39.400 --> 00:00:40.600]  你們明明是看臉
[00:00:40.600 --> 00:00:41.800]  就這個造型這個年齡
[00:00:41.800 --> 00:00:44.000]  你換上老頭衫也能穿出氛圍感好嗎
[00:00:44.000 --> 00:00:46.600]  我又想起了當年郭德綱老師穿季凡西的殘劇
[00:00:46.600 --> 00:00:49.600]  這個世界對我們這些長得不好看的人還真是苛刻的
[00:00:49.600 --> 00:00:52.000]  所以說我總結了一下春風衣傳達的要領
[00:00:52.000 --> 00:00:54.200]  大概就是一張白鏡且人畜無憾的臉
[00:00:54.200 --> 00:00:56.000]  充足的發亮 纖細的體型
[00:00:56.000 --> 00:00:58.000]  當然身上的春風衣還得是駱駝的
[00:00:58.000 --> 00:01:00.000]  去年在戶外用品界最頂流的
[00:01:00.000 --> 00:01:01.000]  既不是鳥像樹
[00:01:01.000 --> 00:01:02.600]  也不是有校服之稱的北面
[00:01:02.600 --> 00:01:04.800]  或者老臺頂流哥倫比亞而是駱駝
[00:01:04.800 --> 00:01:07.000]  雙11 駱駝在天貓戶外服飾品類
[00:01:07.000 --> 00:01:08.800]  拿下銷售額和銷量雙料冠軍
[00:01:08.800 --> 00:01:10.000]  銷量達到百萬幾
[00:01:10.000 --> 00:01:10.600]  再抖音
[00:01:10.600 --> 00:01:13.200]  駱駝銷售同比增幅高達296%
[00:01:13.200 --> 00:01:16.000]  旗下主打的三合一高性價比春風衣成為爆品
[00:01:16.000 --> 00:01:18.000]  哪怕不看雙11 隨手一搜
[00:01:18.000 --> 00:01:21.000]  駱駝在春風衣的7日銷售榜上都是圖榜的存在
[00:01:21.000 --> 00:01:22.400]  這是線上的銷售表現
[00:01:22.400 --> 00:01:24.200]  至於線下還是網友總覺得好
[00:01:24.200 --> 00:01:26.800]  如今在南方街頭的駱駝比沙漠里的都多
[00:01:26.800 --> 00:01:28.400]  塔克華山 滿山的駱駝
[00:01:28.400 --> 00:01:29.800]  隨便逛個街撞山了
[00:01:29.800 --> 00:01:31.800]  至於駱駝為啥這麼火 便宜啊
[00:01:31.800 --> 00:01:33.400]  拿賣得最好的丁珍銅款
[00:01:33.400 --> 00:01:35.400]  幻影黑三合一春風衣舉個例子
[00:01:35.400 --> 00:01:37.600]  線下買標牌價格2198
[00:01:37.600 --> 00:01:39.000]  但是跑到網上看一下
[00:01:39.000 --> 00:01:40.600]  標價就變成了699
[00:01:40.600 --> 00:01:42.200]  至於折扣 日常也都是有的
[00:01:42.200 --> 00:01:45.000]  400出頭就能買到 甚至有時候能递到300價
[00:01:45.000 --> 00:01:48.200]  要是你還顯貴 駱駝還有200塊出頭的單層春風衣
[00:01:48.200 --> 00:01:49.000]  就這個價格
[00:01:49.000 --> 00:01:51.600]  哥上海恐怕還不夠兩次City Walk的報名費
[00:01:51.600 --> 00:01:54.600]  看來這個價格再對比一下北面1000塊錢起步
[00:01:54.600 --> 00:01:58.200]  你就能理解為啥北面這麼快就被大學生踢出了校服序列了
[00:01:58.200 --> 00:02:00.400]  我不知道現在大學生每個月生活費多少
[00:02:00.400 --> 00:02:02.200]  反正按照我上學時候的生活費
[00:02:02.200 --> 00:02:05.000]  一個月不吃不喝也就買得起倆袖子加一個帽子
[00:02:05.000 --> 00:02:07.400]  難怪當年全是假北面 現在都是真駱駝
[00:02:07.400 --> 00:02:08.600]  至少人家是正品啊
[00:02:08.600 --> 00:02:10.000]  我翻了一下社交媒體
[00:02:10.000 --> 00:02:13.400]  發現對駱駝的吐槽和買了駱駝的 基本上是1比1的比例
[00:02:13.400 --> 00:02:15.800]  吐槽最多的就是衣服會掉色 還會串色
[00:02:15.800 --> 00:02:18.200]  比如吐樽洗個幾次 穿個兩天就掉光了
[00:02:18.200 --> 00:02:20.600]  比如不同倉庫發的貨 質量參差不齊
[00:02:20.600 --> 00:02:22.400]  買衣服還得看戶口 聽出聲
[00:02:22.400 --> 00:02:26.400]  至於什麼做工比較差 內膽多 走線操 不防水之類的就更多
[00:02:26.400 --> 00:02:29.200]  但是這些吐槽 並不意味著會影響駱駝的銷量
[00:02:29.200 --> 00:02:31.000]  甚至還會有不少自來水表示
[00:02:31.000 --> 00:02:32.600]  就這價格 要啥子行車啊
[00:02:32.600 --> 00:02:35.400]  所謂性價比性價比 脫離價位談性能
[00:02:35.400 --> 00:02:38.600]  這就不符合消費者的需求嘛 無數次價格戰告訴我們
[00:02:38.600 --> 00:02:41.000]  只要肯降價 就沒有賣不出去的產品
[00:02:41.000 --> 00:02:43.600]  一件衝鋒衣1000多 你覺得平平無奇
[00:02:43.600 --> 00:02:46.400]  500多你覺得差點意思 200塊你就秒下單了
[00:02:46.400 --> 00:02:48.400]  到99 恐怕就要聘點手速了
[00:02:48.400 --> 00:02:50.800]  像衝鋒衣這個品類 本來價格跨度就大
[00:02:50.800 --> 00:02:53.800]  北面最便宜的GORTEX衝鋒衣 價格3000起步
[00:02:53.800 --> 00:02:56.200]  大概是同品牌最便宜衝鋒衣的三倍價格
[00:02:56.200 --> 00:03:00.000]  至於十足鳥搭載了GORTEX的硬殼起步價就要到4500
[00:03:00.000 --> 00:03:03.000]  而且同樣是GORTEX 內部也有不同的系列和檔次
[00:03:03.000 --> 00:03:05.800]  做成衣服 中間的差價恐怕就夠買兩件駱駝了
[00:03:05.800 --> 00:03:08.000]  至於智能控溫 防水拉鍊 全壓膠
[00:03:08.000 --> 00:03:09.800]  更加不可能出現在駱駝這裏了
[00:03:09.800 --> 00:03:11.800]  至少不會是三四百的駱駝身上會有的
[00:03:11.800 --> 00:03:14.200]  有的價外的衣服 買的就是一個放棄幻想
[00:03:14.200 --> 00:03:17.000]  吃到肚子裏的科技魚很活 是能給你省錢的
[00:03:17.000 --> 00:03:20.000]  穿在身上的科技魚很活 裝裝件件都是要加錢的
[00:03:20.000 --> 00:03:21.600]  所以正如羅曼羅蘭所說
[00:03:21.600 --> 00:03:23.200]  這世界上只有一種英雄主義
[00:03:23.200 --> 00:03:26.000]  就是在認清了駱駝的本質以後 依然選擇買駱駝
[00:03:26.000 --> 00:03:29.000]  關於駱駝的火爆 我有一些小小的看法 駱駝這東西
[00:03:29.000 --> 00:03:31.800]  它其實就是個潮牌 看看它的營銷方式就知道了
[00:03:31.800 --> 00:03:35.000]  現在打開小黃書 日常可以看到駱駝穿搭是這樣的
[00:03:35.000 --> 00:03:36.800]  加一點氛圍感是這樣的
[00:03:36.800 --> 00:03:40.000]  對比一下 其他品牌的風格是這樣的 這樣的
[00:03:40.000 --> 00:03:42.600]  其實對比一下就知道了 其他品牌突出一個時程
[00:03:42.600 --> 00:03:46.000]  能防風就一定要講防風 能扛洞就一定要講扛洞
[00:03:46.000 --> 00:03:49.200]  但駱駝在營銷的時候 主打的就是一個城市戶外風
[00:03:49.200 --> 00:03:52.200]  雖然造型是春風衣 但場景往往是在城市裏
[00:03:52.200 --> 00:03:55.000]  哪怕在野外也要突出一個風和日麗 陽光明媚
[00:03:55.000 --> 00:03:58.000]  至少不會在明顯的炎寒 高海拔或是惡劣氣候下
[00:03:58.000 --> 00:04:01.000]  如果用一個詞形容駱駝的營銷風格 那就是清洗
[00:04:01.000 --> 00:04:04.000]  或者說他很理解自己的消費者是誰 需要什麼產品
[00:04:04.000 --> 00:04:06.600]  從使用場景來說 駱駝的消費者買春風衣
[00:04:06.600 --> 00:04:08.800]  不是真的有什麼大風大雨要去應對
[00:04:08.800 --> 00:04:12.000]  春風衣的作用是下雨沒帶傘的時候 臨時頂個幾分鐘
[00:04:12.000 --> 00:04:13.600]  讓你能圖書館跑回宿舍
[00:04:13.600 --> 00:04:16.200]  或者是冬天騎電動車 被風吹得不行的時候
[00:04:16.200 --> 00:04:18.400]  稍微扛一下風 不至於體感太冷
[00:04:18.400 --> 00:04:21.800]  當然他們也會出門 但大部分時候也都是去別的城市
[00:04:21.800 --> 00:04:26.000]  或者在城市周邊搞搞簡單的徒步 這種情況下穿個駱駝已經夠了
[00:04:26.000 --> 00:04:29.400]  從購買動機來說 駱駝就更沒有必要上那些應和科技了
[00:04:29.400 --> 00:04:31.000]  消費者買駱駝買的是個什麼呢
[00:04:31.000 --> 00:04:33.400]  不是春風衣的功能性 而是春風衣的造型
[00:04:33.400 --> 00:04:36.400]  寬鬆的版型 能精準遮住微微隆起的小肚子
[00:04:36.400 --> 00:04:39.600]  棱角分明的質感 能隱藏一切不完美的身體線條
[00:04:39.600 --> 00:04:41.400]  顯瘦的副作用就是顯年輕
[00:04:41.400 --> 00:04:43.800]  再配上一條牛仔褲 配上一雙大黃靴
[00:04:43.800 --> 00:04:45.200]  大學生的氣質就出來了
[00:04:45.200 --> 00:04:47.800]  要是自拍的時候再配上大學宿舍洗素臺
[00:04:47.800 --> 00:04:51.800]  那永遠擦不乾淨的鏡子 瞬間青春無敵了 說的更直白一點
[00:04:51.800 --> 00:04:53.400]  人家買的是個剪輪神器
[00:04:53.400 --> 00:04:56.000]  所以說 吐槽穿駱駝都是假戶外愛好者的人
[00:04:56.000 --> 00:04:57.600]  其實並沒有理解駱駝的定位
[00:04:57.600 --> 00:04:59.900]  駱駝其實是給了想要入門山系穿搭
[00:04:59.900 --> 00:05:03.100]  想要追逐流行的人一個最平價 決策成本最低的選擇
[00:05:03.100 --> 00:05:04.900]  至於那些真正的應和戶外愛好者
[00:05:04.900 --> 00:05:07.300]  駱駝既沒有能力 也沒有打算觸打他們
[00:05:07.300 --> 00:05:09.600]  反過來說 那些自駕穿越邊疆國道
[00:05:09.600 --> 00:05:11.800]  或者去奧爾卑斯山區登山探險的人
[00:05:11.800 --> 00:05:16.600]  也不太可能在戶外服飾上省錢 畢竟光是交通住宿 請假出行 成本就不低了
[00:05:16.600 --> 00:05:19.100]  對他們來說 戶外裝備很多時候是保命用的
[00:05:19.100 --> 00:05:21.100]  也就不存在跟風奧造型的必要了
[00:05:21.100 --> 00:05:23.400]  最後我再說個題外話 年輕人追捧駱駝
[00:05:23.400 --> 00:05:25.900]  一個隱藏的原因 其實是羽絨服越來越貴了
[00:05:25.900 --> 00:05:30.000]  有媒體統計 現在國產羽絨服的平均售價已經高達881元
[00:05:30.000 --> 00:05:32.000]  波斯登軍價最高 接近2000元
[00:05:32.000 --> 00:05:34.900]  而且過去幾年 國產羽絨服品牌都在轉向高端化
[00:05:34.900 --> 00:05:37.100]  羽絨服市場分為8000元以上的奢侈級
[00:05:37.100 --> 00:05:41.300]  2000元以下的大重級 而在中間的高端級 國產品牌一直沒有存在感
[00:05:41.300 --> 00:05:43.600]  所以過去幾年 波斯登 天工人這些品牌
[00:05:43.600 --> 00:05:46.700]  都把2000元到8000元這個市場當成未來的發展趨勢
[00:05:46.700 --> 00:05:49.600]  東新證券研報顯示 從2018到2021年
[00:05:49.600 --> 00:05:52.200]  波斯登軍價四年漲幅達到60%以上
[00:05:52.200 --> 00:05:56.000]  過去五個菜年 這個品牌的營銷開支從20多億漲到了60多億
[00:05:56.000 --> 00:06:00.400]  羽絨服價格往上走 年輕消費者就開始拋棄羽絨服 購買平價衝鋒衣
[00:06:00.400 --> 00:06:03.400]  裡面再穿個普通價外的瑤麗絨或者羽絨小夾克
[00:06:03.400 --> 00:06:07.000]  也不比大幾千的羽絨服差多少 說到底 現在消費是會發達的
[00:06:07.000 --> 00:06:09.700]  沒有什麼需求是一定要某種特定的解決方案
[00:06:09.700 --> 00:06:11.600]  特定價位的商品才能實現的
[00:06:11.600 --> 00:06:15.200]  要保暖 羽絨服固然很好 但春風衣加一些內搭也很暖和
[00:06:15.200 --> 00:06:18.000]  要時尚 大幾千塊錢的設計師品牌非常不錯
[00:06:18.000 --> 00:06:20.700]  但350的拼多多服飾搭的好也能出彩
[00:06:20.700 --> 00:06:23.100]  要去野外徒步 花五六千買鳥也可以
[00:06:23.100 --> 00:06:25.200]  但迪卡儂也足以應付大多數狀況
[00:06:25.200 --> 00:06:27.600]  所以說 花高價買春風衣當然也OK
[00:06:27.600 --> 00:06:29.800]  三四百買件駱駝也是可以接受的選擇
[00:06:29.800 --> 00:06:33.800]  駱駝也多多少少有一些功能性 畢竟它再怎麼樣還是個春風衣
[00:06:33.800 --> 00:06:36.800]  理解了這個事情就很容易分辨什麼是智商稅的
[00:06:36.800 --> 00:06:38.900]  那些向你灌輸非某個品牌不用
[00:06:38.900 --> 00:06:41.500]  告訴你某個需求只有某個產品才能滿足
[00:06:41.500 --> 00:06:44.400]  某個品牌就是某個品類絕對的鄙視鏈頂端
[00:06:44.400 --> 00:06:46.900]  這類營銷的智商稅含量必然是很高的
[00:06:46.900 --> 00:06:48.900]  它的目的是剝奪你選擇的權利
[00:06:48.900 --> 00:06:51.300]  讓你主動放棄比價和尋找平梯的想法
[00:06:51.300 --> 00:06:53.100]  從而避免與其他品牌競爭
[00:06:53.100 --> 00:06:56.300]  而沒有競爭的市場才是智商稅含量最高的市場
[00:06:56.300 --> 00:06:59.900]  消費商業洞穴禁在IC實驗室 我是館長 我們下期再見
[00:06:59.900 --> 00:07:01.900]  謝謝收看!

output_srt: saving output to 'chs.wav.srt'

whisper_print_timings:     load time =   841.23 ms
whisper_print_timings:     fallbacks =   1 p /   0 h
whisper_print_timings:      mel time =   440.91 ms
whisper_print_timings:   sample time = 13100.71 ms / 17724 runs (    0.74 ms per run)
whisper_print_timings:   encode time =  4078.38 ms /    18 runs (  226.58 ms per run)
whisper_print_timings:   decode time =    40.70 ms /     2 runs (   20.35 ms per run)
whisper_print_timings:   batchd time = 155882.95 ms / 17702 runs (    8.81 ms per run)
whisper_print_timings:   prompt time =  3419.58 ms /  3632 runs (    0.94 ms per run)
whisper_print_timings:    total time = 177848.30 ms
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ./main -l zh -osrt -m models/g
generate-coreml-interface.sh  generate-coreml-model.sh      ggml-base.en.bin              ggml-large-v3.bin             ggml-medium.bin               ggml_to_pt.py                 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ./main -l zh -osrt -m models/ggml
ggml-base.en.bin   ggml-large-v3.bin  ggml-medium.bin    ggml_to_pt.py      
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ./main -l zh -osrt -m models/ggml-large-v3.bin chs.wav
whisper_init_from_file_with_params_no_state: loading model from 'models/ggml-large-v3.bin'
whisper_model_load: loading model
whisper_model_load: n_vocab       = 51866
whisper_model_load: n_audio_ctx   = 1500
whisper_model_load: n_audio_state = 1280
whisper_model_load: n_audio_head  = 20
whisper_model_load: n_audio_layer = 32
whisper_model_load: n_text_ctx    = 448
whisper_model_load: n_text_state  = 1280
whisper_model_load: n_text_head   = 20
whisper_model_load: n_text_layer  = 32
whisper_model_load: n_mels        = 128
whisper_model_load: ftype         = 1
whisper_model_load: qntvr         = 0
whisper_model_load: type          = 5 (large v3)
whisper_model_load: adding 1609 extra tokens
whisper_model_load: n_langs       = 100
ggml_init_cublas: GGML_CUDA_FORCE_MMQ:   no
ggml_init_cublas: CUDA_USE_TENSOR_CORES: yes
ggml_init_cublas: found 1 CUDA devices:
  Device 0: NVIDIA GeForce GTX 1080, compute capability 6.1, VMM: yes
whisper_backend_init: using CUDA backend
whisper_model_load:    CUDA0 total size =  3094.86 MB (3 buffers)
whisper_model_load: model size    = 3094.36 MB
whisper_backend_init: using CUDA backend
whisper_init_state: kv self size  =  220.20 MB
whisper_init_state: kv cross size =  245.76 MB
whisper_init_state: compute buffer (conv)   =   35.50 MB
whisper_init_state: compute buffer (encode) =  233.50 MB
whisper_init_state: compute buffer (cross)  =   10.15 MB
whisper_init_state: compute buffer (decode) =  108.99 MB

system_info: n_threads = 4 / 36 | AVX = 1 | AVX2 = 1 | AVX512 = 0 | FMA = 1 | NEON = 0 | ARM_FMA = 0 | METAL = 0 | F16C = 1 | FP16_VA = 0 | WASM_SIMD = 0 | BLAS = 1 | SSE3 = 1 | SSSE3 = 1 | VSX = 0 | CUDA = 1 | COREML = 0 | OPENVINO = 0 | 

main: processing 'chs.wav' (6748501 samples, 421.8 sec), 4 threads, 1 processors, 5 beams + best of 5, lang = zh, task = transcribe, timestamps = 1 ...


[00:00:00.040 --> 00:00:01.460]  前段时间有个巨石横火
[00:00:01.460 --> 00:00:02.860]  某某是男人最好的衣媒
[00:00:02.860 --> 00:00:04.800]  这里的某某可以替换为减肥
[00:00:04.800 --> 00:00:07.620]  长发 西装 考研 书唱 永结无间等等等等
[00:00:07.620 --> 00:00:09.320]  我听到最新的一个说法是
[00:00:09.320 --> 00:00:11.940]  微分碎盖加口罩加半框眼镜加冲锋衣
[00:00:11.940 --> 00:00:13.440]  等于男人最好的衣媒
[00:00:13.440 --> 00:00:14.420]  大概也就前几年
[00:00:14.420 --> 00:00:17.560]  冲锋衣还和格子衬衫并列为程序员穿搭精华
[00:00:17.560 --> 00:00:19.940]  紫红色冲锋衣还被誉为广场舞达妈标配
[00:00:19.940 --> 00:00:22.700]  骆驼牌还是我爹这个年纪的人才会愿意买的牌子
[00:00:22.700 --> 00:00:24.380]  不知道风向为啥变得这么快
[00:00:24.380 --> 00:00:26.680]  为啥这东西突然变成男生逆袭神器
[00:00:26.680 --> 00:00:27.660]  时尚潮流单品
[00:00:27.660 --> 00:00:29.580]  后来我翻了一下小红书就懂了
[00:00:29.580 --> 00:00:30.460]  时尚这个时期
[00:00:30.460 --> 00:00:31.620]  重点不在于衣服
[00:00:31.620 --> 00:00:32.160]  在于人
[00:00:32.160 --> 00:00:34.500]  现在小红书上面和冲锋衣相关的笔记
[00:00:34.500 --> 00:00:36.220]  照片里的男生都是这样的
[00:00:36.220 --> 00:00:36.880]  这样的
[00:00:36.880 --> 00:00:38.140]  还有这样的
[00:00:38.140 --> 00:00:39.460]  你们哪里是看穿搭的
[00:00:39.460 --> 00:00:40.540]  你们明明是看脸
[00:00:40.540 --> 00:00:41.780]  就这个造型这个年龄
[00:00:41.780 --> 00:00:43.920]  你换上老头衫也能穿出氛围感好吗
[00:00:43.920 --> 00:00:46.560]  我又想起了当年郭德纲老师穿计繁西的残剧
[00:00:46.560 --> 00:00:48.560]  这个世界对我们这些长得不好看的人
[00:00:48.560 --> 00:00:49.480]  还真是苛刻呢
[00:00:49.480 --> 00:00:52.100]  所以说我总结了一下冲锋衣传达的要领
[00:00:52.100 --> 00:00:54.200]  大概就是一张白净且人畜无汉的脸
[00:00:54.200 --> 00:00:55.120]  充足的发量
[00:00:55.120 --> 00:00:55.980]  纤细的体型
[00:00:55.980 --> 00:00:58.160]  当然身上的冲锋衣还得是骆驼的
[00:00:58.160 --> 00:00:59.320]  去年在户外用品界
[00:00:59.320 --> 00:01:01.100]  最顶流的既不是鸟像书
[00:01:01.100 --> 00:01:02.560]  也不是有校服之称的北面
[00:01:02.560 --> 00:01:04.120]  或者老台顶流哥伦比亚
[00:01:04.120 --> 00:01:04.800]  而是骆驼
[00:01:04.800 --> 00:01:06.980]  双十一骆驼在天猫户外服饰品类
[00:01:06.980 --> 00:01:08.860]  拿下销售额和销量双料冠军
[00:01:08.860 --> 00:01:09.980]  销量达到百万级
[00:01:09.980 --> 00:01:10.620]  在抖音
[00:01:10.620 --> 00:01:13.200]  骆驼销售同比增幅高达百分之296
[00:01:13.200 --> 00:01:15.920]  旗下主打的三合一高性价比冲锋衣成为爆品
[00:01:15.920 --> 00:01:17.260]  哪怕不看双十一
[00:01:17.260 --> 00:01:18.020]  随手一搜
[00:01:18.020 --> 00:01:21.040]  骆驼在冲锋衣的七日销售榜上都是图榜的存在
[00:01:21.040 --> 00:01:22.480]  这是线上的销售表现
[00:01:22.480 --> 00:01:24.200]  至于线下还是网友总结的好
[00:01:24.200 --> 00:01:26.740]  如今在南方街头的骆驼比沙漠里的都多
[00:01:26.740 --> 00:01:27.540]  爬个华山
[00:01:27.540 --> 00:01:28.320]  满山的骆驼
[00:01:28.320 --> 00:01:29.840]  随便逛个街撞山了
[00:01:29.840 --> 00:01:31.060]  至于骆驼为啥这么火
[00:01:31.060 --> 00:01:31.800]  便宜啊
[00:01:31.800 --> 00:01:33.400]  拿卖的最好的丁真同款
[00:01:33.400 --> 00:01:35.500]  幻影黑三合一冲锋衣举个例子
[00:01:35.500 --> 00:01:36.000]  线下买
[00:01:36.000 --> 00:01:37.440]  标牌价格2198
[00:01:37.440 --> 00:01:38.940]  但是跑到网上看一下
[00:01:38.940 --> 00:01:40.460]  标价就变成了699
[00:01:40.460 --> 00:01:41.220]  至于折扣
[00:01:41.220 --> 00:01:42.360]  日常也都是有的
[00:01:42.360 --> 00:01:43.440]  400出头就能买到
[00:01:43.440 --> 00:01:44.960]  甚至有时候能低到300价
[00:01:44.960 --> 00:01:46.140]  要是你还嫌贵
[00:01:46.140 --> 00:01:48.200]  路头还有200块出头的单层冲锋衣
[00:01:48.200 --> 00:01:49.080]  就这个价格
[00:01:49.080 --> 00:01:51.520]  搁上海恐怕还不够两次CityWalk的报名费
[00:01:51.520 --> 00:01:52.560]  看了这个价格
[00:01:52.560 --> 00:01:53.560]  再对比一下北面
[00:01:53.560 --> 00:01:54.640]  1000块钱起步
[00:01:54.640 --> 00:01:56.000]  你就能理解为啥北面
[00:01:56.000 --> 00:01:58.120]  这么快就被大学生踢出了校服序列了
[00:01:58.120 --> 00:02:00.380]  我不知道现在大学生每个月生活费多少
[00:02:00.380 --> 00:02:02.160]  反正按照我上学时候的生活费
[00:02:02.160 --> 00:02:03.200]  一个月不吃不喝
[00:02:03.200 --> 00:02:05.080]  也就买得起俩袖子加一个帽子
[00:02:05.080 --> 00:02:06.420]  难怪当年全是假北面
[00:02:06.420 --> 00:02:07.400]  现在都是真路头
[00:02:07.400 --> 00:02:08.640]  至少人家是正品啊
[00:02:08.640 --> 00:02:10.080]  我翻了一下社交媒体
[00:02:10.080 --> 00:02:12.060]  发现对路头的吐槽和买了路头的
[00:02:12.060 --> 00:02:13.340]  基本上是1比1的比例
[00:02:13.340 --> 00:02:15.040]  吐槽最多的就是衣服会掉色
[00:02:15.040 --> 00:02:15.960]  还会串色
[00:02:15.960 --> 00:02:17.100]  比如图增洗个几次
[00:02:17.100 --> 00:02:18.240]  穿个两天就掉光了
[00:02:18.240 --> 00:02:19.600]  比如不同仓库发的货
[00:02:19.600 --> 00:02:20.600]  质量参差不齐
[00:02:20.600 --> 00:02:22.300]  买衣服还得看户口拼出身
[00:02:22.300 --> 00:02:23.660]  至于什么做工比较差
[00:02:23.660 --> 00:02:24.300]  内胆多
[00:02:24.300 --> 00:02:24.880]  走线糙
[00:02:24.880 --> 00:02:26.380]  不防水之类的就更多了
[00:02:26.380 --> 00:02:27.360]  但是这些吐槽
[00:02:27.360 --> 00:02:29.160]  并不意味着会影响路头的销量
[00:02:29.160 --> 00:02:30.820]  甚至还会有不少自来水表示
[00:02:30.820 --> 00:02:32.680]  就这价格要啥自行车啊
[00:02:32.680 --> 00:02:34.080]  所谓性价比性价比
[00:02:34.080 --> 00:02:35.340]  脱离价位谈性能
[00:02:35.340 --> 00:02:36.980]  这就不符合消费者的需求嘛
[00:02:36.980 --> 00:02:38.480]  无数次价格战告诉我们
[00:02:38.480 --> 00:02:39.500]  只要肯降价
[00:02:39.500 --> 00:02:40.960]  就没有卖不出去的产品
[00:02:40.960 --> 00:02:41.820]  一件冲锋衣
[00:02:41.820 --> 00:02:43.500]  1000多你觉得平平无奇
[00:02:43.500 --> 00:02:44.900]  500多你觉得差点意思
[00:02:44.900 --> 00:02:46.480]  200块你就要秒下单了
[00:02:46.480 --> 00:02:48.520]  到99恐怕就要拼点手速了
[00:02:48.520 --> 00:02:49.560]  像冲锋衣这个品类
[00:02:49.560 --> 00:02:50.720]  本来价格跨度就大
[00:02:50.720 --> 00:02:52.660]  北面最便宜的Gortex冲锋衣
[00:02:52.660 --> 00:02:53.740]  价格3000起步
[00:02:53.740 --> 00:02:56.360]  大概是同品牌最便宜冲锋衣的三倍价格
[00:02:56.360 --> 00:02:57.060]  至于十足鸟
[00:02:57.060 --> 00:02:59.020]  搭载了Gortex的硬壳起步价
[00:02:59.020 --> 00:02:59.780]  就要到4500
[00:02:59.780 --> 00:03:01.080]  而且同样是Gortex
[00:03:01.080 --> 00:03:02.860]  内部也有不同的系列和档次
[00:03:02.860 --> 00:03:03.520]  做成衣服
[00:03:03.520 --> 00:03:05.780]  中间的差价恐怕就够买两件骆驼了
[00:03:05.780 --> 00:03:06.620]  至于智能控温
[00:03:06.620 --> 00:03:07.320]  防水拉链
[00:03:07.320 --> 00:03:07.900]  全压胶
[00:03:07.900 --> 00:03:09.760]  更加不可能出现在骆驼这里了
[00:03:09.760 --> 00:03:11.780]  至少不会是三四百的骆驼身上会有的
[00:03:11.780 --> 00:03:12.660]  有的价外的衣服
[00:03:12.660 --> 00:03:14.040]  买的就是一个放弃幻想
[00:03:14.040 --> 00:03:15.660]  吃到肚子里的科技鱼很活
[00:03:15.660 --> 00:03:16.840]  是能给你省钱的
[00:03:16.840 --> 00:03:18.320]  穿在身上的科技鱼很活
[00:03:18.320 --> 00:03:20.040]  装装件件都是要加钱的
[00:03:20.040 --> 00:03:21.440]  所以正如罗曼罗兰所说
[00:03:21.440 --> 00:03:23.040]  这世界上只有一种英雄主义
[00:03:23.040 --> 00:03:24.860]  就是在认清了骆驼的本质以后
[00:03:24.860 --> 00:03:26.060]  依然选择买骆驼
[00:03:26.060 --> 00:03:26.900]  关于骆驼的火爆
[00:03:26.900 --> 00:03:28.180]  我有一些小小的看法
[00:03:28.180 --> 00:03:28.960]  骆驼这个东西
[00:03:28.960 --> 00:03:30.220]  它其实就是个潮牌
[00:03:30.220 --> 00:03:31.940]  看看它的营销方式就知道了
[00:03:31.940 --> 00:03:32.920]  现在打开小红书
[00:03:32.920 --> 00:03:35.120]  日常可以看到骆驼穿搭是这样的
[00:03:35.120 --> 00:03:36.900]  加一点氛围感是这样的
[00:03:36.900 --> 00:03:37.400]  对比一下
[00:03:37.400 --> 00:03:39.240]  其他品牌的风格是这样的
[00:03:39.240 --> 00:03:40.020]  这样的
[00:03:40.020 --> 00:03:41.280]  其实对比一下就知道了
[00:03:41.280 --> 00:03:42.600]  其他品牌突出一个时程
[00:03:42.600 --> 00:03:44.240]  能防风就一定要讲防风
[00:03:44.240 --> 00:03:45.960]  能扛冻就一定要讲扛冻
[00:03:45.960 --> 00:03:47.340]  但骆驼在营销的时候
[00:03:47.340 --> 00:03:49.080]  主打的就是一个城市户外风
[00:03:49.080 --> 00:03:50.440]  虽然造型是春风衣
[00:03:50.440 --> 00:03:52.180]  但场景往往是在城市里
[00:03:52.180 --> 00:03:54.220]  哪怕在野外也要突出一个风和日丽
[00:03:54.220 --> 00:03:54.940]  阳光敏媚
[00:03:54.940 --> 00:03:56.500]  至少不会在明显的严寒
[00:03:56.500 --> 00:03:58.020]  高海拔或是恶劣气候下
[00:03:58.020 --> 00:04:00.160]  如果用一个词形容骆驼的营销风格
[00:04:00.160 --> 00:04:00.920]  那就是清洗
[00:04:00.920 --> 00:04:03.060]  或者说他很理解自己的消费者是谁
[00:04:03.060 --> 00:04:03.920]  需要什么产品
[00:04:03.920 --> 00:04:05.260]  从使用场景来说
[00:04:05.260 --> 00:04:06.600]  骆驼的消费者买春风衣
[00:04:06.600 --> 00:04:08.640]  不是真的有什么大风大雨要去应对
[00:04:08.640 --> 00:04:10.880]  春风衣的作用是下雨没带伞的时候
[00:04:10.880 --> 00:04:12.160]  临时顶个几分钟
[00:04:12.160 --> 00:04:13.700]  让你能图书馆跑回宿舍
[00:04:13.700 --> 00:04:14.940]  或者是冬天骑电动车
[00:04:14.940 --> 00:04:16.220]  被风吹得不行的时候
[00:04:16.220 --> 00:04:17.200]  稍微扛一下风
[00:04:17.200 --> 00:04:18.340]  不至于体感太冷
[00:04:18.340 --> 00:04:19.700]  当然他们也会出门
[00:04:19.700 --> 00:04:21.780]  但大部分时候也都是去别的城市
[00:04:21.780 --> 00:04:23.860]  或者在城市周边搞搞简单的徒步
[00:04:23.860 --> 00:04:24.920]  这种情况下
[00:04:24.920 --> 00:04:25.920]  穿个骆驼也就够了
[00:04:25.920 --> 00:04:27.220]  从购买动机来说
[00:04:27.220 --> 00:04:29.260]  骆驼就更没有必要上那些硬核科技了
[00:04:29.260 --> 00:04:30.920]  消费者买骆驼买的是个什么呢
[00:04:30.920 --> 00:04:32.240]  不是春风衣的功能性
[00:04:32.240 --> 00:04:33.380]  而是春风衣的造型
[00:04:33.380 --> 00:04:34.340]  宽松的版型
[00:04:34.340 --> 00:04:36.380]  能精准遮住微微隆起的小肚子
[00:04:36.380 --> 00:04:37.440]  棱角分明的质感
[00:04:37.440 --> 00:04:39.420]  能隐藏一切不完美的整体线条
[00:04:39.420 --> 00:04:41.260]  显瘦的副作用就是显年轻
[00:04:41.260 --> 00:04:42.600]  再配上一条牛仔裤
[00:04:42.600 --> 00:04:43.680]  配上一双大黄靴
[00:04:43.680 --> 00:04:45.100]  大学生的气质就出来了
[00:04:45.100 --> 00:04:47.700]  要是自拍的时候再配上大学宿舍洗漱台
[00:04:47.700 --> 00:04:49.380]  那永远擦不干净的镜子
[00:04:49.380 --> 00:04:50.840]  瞬间青春无敌了
[00:04:50.840 --> 00:04:51.700]  说的更直白一点
[00:04:51.700 --> 00:04:53.060]  人家买的是个锦铃神器
[00:04:53.060 --> 00:04:53.820]  所以说
[00:04:53.820 --> 00:04:55.860]  吐槽穿骆驼都是假户外爱好者的人
[00:04:55.860 --> 00:04:57.460]  其实并没有理解骆驼的定位
[00:04:57.460 --> 00:04:59.780]  骆驼其实是给了想要入门山系穿搭
[00:04:59.780 --> 00:05:01.740]  想要追逐流行的人一个最平价
[00:05:01.740 --> 00:05:02.980]  决策成本最低的选择
[00:05:02.980 --> 00:05:04.880]  至于那些真正的硬核户外爱好者
[00:05:04.880 --> 00:05:05.800]  骆驼既没有能力
[00:05:05.800 --> 00:05:07.080]  也没有打算触打他们
[00:05:07.080 --> 00:05:07.980]  反过来说
[00:05:07.980 --> 00:05:09.460]  那些自驾穿越边疆国道
[00:05:09.460 --> 00:05:11.680]  或者去阿尔卑斯山区登山探险的人
[00:05:11.680 --> 00:05:13.540]  也不太可能在户外服饰上省钱
[00:05:13.540 --> 00:05:14.900]  毕竟光是交通住宿
[00:05:14.900 --> 00:05:15.600]  请假出行
[00:05:15.600 --> 00:05:16.560]  成本就不低了
[00:05:16.560 --> 00:05:17.320]  对他们来说
[00:05:17.320 --> 00:05:19.140]  户外装备很多时候是保命用的
[00:05:19.140 --> 00:05:21.180]  也就不存在跟风凹造型的必要了
[00:05:21.180 --> 00:05:22.300]  最后我再说个题外话
[00:05:22.300 --> 00:05:23.320]  年轻人追捧骆驼
[00:05:23.320 --> 00:05:24.240]  一个隐藏的原因
[00:05:24.240 --> 00:05:25.940]  其实是羽绒服越来越贵了
[00:05:25.940 --> 00:05:26.620]  有媒体统计
[00:05:26.620 --> 00:05:28.440]  现在国产羽绒服的平均售价
[00:05:28.440 --> 00:05:29.880]  已经高达881元
[00:05:29.880 --> 00:05:31.140]  波斯灯均价最高
[00:05:31.140 --> 00:05:31.900]  接近2000元
[00:05:31.900 --> 00:05:32.880]  而且过去几年
[00:05:32.880 --> 00:05:34.800]  国产羽绒服品牌都在转向高端化
[00:05:34.800 --> 00:05:37.060]  羽绒服市场分为8000元以上的奢侈级
[00:05:37.060 --> 00:05:38.440]  2000元以下的大众级
[00:05:38.440 --> 00:05:39.740]  而在中间的高端级
[00:05:39.740 --> 00:05:41.220]  国产品牌一直没有存在感
[00:05:41.220 --> 00:05:42.140]  所以过去几年
[00:05:42.140 --> 00:05:43.520]  波斯灯天空人这些品牌
[00:05:43.520 --> 00:05:45.260]  都把2000元到8000元这个市场
[00:05:45.260 --> 00:05:46.560]  当成未来的发展趋势
[00:05:46.560 --> 00:05:47.980]  东芯证券研报显示
[00:05:47.980 --> 00:05:49.600]  从2018到2021年
[00:05:49.600 --> 00:05:52.080]  波斯灯均价4年涨幅达到60%以上
[00:05:52.080 --> 00:05:53.080]  过去5个财年
[00:05:53.080 --> 00:05:54.300]  这个品牌的营销开支
[00:05:54.300 --> 00:05:56.020]  从20多亿涨到了60多亿
[00:05:56.020 --> 00:05:57.240]  羽绒服价格往上走
[00:05:57.240 --> 00:05:59.160]  年轻消费者就开始抛弃羽绒服
[00:05:59.160 --> 00:06:00.300]  购买平价春风衣
[00:06:00.300 --> 00:06:02.240]  里面再穿个普通价位的摇篱绒
[00:06:02.240 --> 00:06:03.280]  或者羽绒小夹克
[00:06:03.280 --> 00:06:05.100]  也不比大几千的羽绒服差多少
[00:06:05.100 --> 00:06:05.740]  说到底
[00:06:05.740 --> 00:06:07.120]  现在消费社会发达了
[00:06:07.120 --> 00:06:08.300]  没有什么需求是一定要
[00:06:08.300 --> 00:06:09.740]  某种特定的解决方案
[00:06:09.740 --> 00:06:11.500]  特定价位的商品才能实现的
[00:06:11.500 --> 00:06:12.080]  要保暖
[00:06:12.080 --> 00:06:13.140]  羽绒服固然很好
[00:06:13.140 --> 00:06:15.320]  但春风衣加一些内搭也很暖和
[00:06:15.320 --> 00:06:15.820]  要时尚
[00:06:15.820 --> 00:06:17.860]  大几千块钱的设计师品牌非常不错
[00:06:17.860 --> 00:06:19.360]  但350的拼多多服饰
[00:06:19.360 --> 00:06:20.520]  搭得好也能出产
[00:06:20.520 --> 00:06:21.620]  要去野外徒步
[00:06:21.620 --> 00:06:22.940]  花五六千买鸟也可以
[00:06:22.940 --> 00:06:25.100]  但迪卡侬也足以应付大多数状况
[00:06:25.100 --> 00:06:25.720]  所以说
[00:06:25.720 --> 00:06:27.420]  花高价买春风衣当然也OK
[00:06:27.420 --> 00:06:28.540]  三四百买件骆驼
[00:06:28.540 --> 00:06:29.880]  也是可以介绍的选择
[00:06:29.880 --> 00:06:31.900]  何况骆驼也多多少少有一些功能性
[00:06:31.900 --> 00:06:32.840]  毕竟它再怎么样
[00:06:32.840 --> 00:06:33.920]  还是个春风衣
[00:06:33.920 --> 00:06:34.800]  理解了这个事情
[00:06:34.800 --> 00:06:35.740]  就很容易分辨
[00:06:35.740 --> 00:06:36.900]  什么是智商税的
[00:06:36.900 --> 00:06:38.740]  那些向你灌输非某个品牌不用
[00:06:38.740 --> 00:06:39.880]  告诉你某个需求
[00:06:39.880 --> 00:06:41.380]  只有某个产品才能满足
[00:06:41.380 --> 00:06:42.160]  某个品牌
[00:06:42.160 --> 00:06:44.220]  就是某个品类绝对的鄙视链顶端
[00:06:44.220 --> 00:06:45.900]  这类营销的智商税含量
[00:06:45.900 --> 00:06:46.860]  必然是很高的
[00:06:46.860 --> 00:06:48.780]  它的目的是剥夺你选择的权利
[00:06:48.780 --> 00:06:51.220]  让你主动放弃比价和寻找平梯的想法
[00:06:51.220 --> 00:06:52.920]  从而避免与其他品牌竞争
[00:06:52.920 --> 00:06:54.280]  而没有竞争的市场
[00:06:54.280 --> 00:06:56.020]  才是智商税含量最高的市场
[00:06:56.020 --> 00:06:57.360]  消费商业洞见
[00:06:57.360 --> 00:06:58.420]  近在IC实验室
[00:06:58.420 --> 00:06:59.000]  我是馆长
[00:06:59.000 --> 00:06:59.840]  我们下期再见
[00:06:59.840 --> 00:07:01.840]  谢谢大家!

output_srt: saving output to 'chs.wav.srt'

whisper_print_timings:     load time =  1232.24 ms
whisper_print_timings:     fallbacks =   1 p /   0 h
whisper_print_timings:      mel time =   507.42 ms
whisper_print_timings:   sample time = 14211.34 ms / 19337 runs (    0.73 ms per run)
whisper_print_timings:   encode time =  9234.67 ms /    19 runs (  486.04 ms per run)
whisper_print_timings:   decode time =    41.85 ms /     2 runs (   20.92 ms per run)
whisper_print_timings:   batchd time = 325320.62 ms / 19329 runs (   16.83 ms per run)
whisper_print_timings:   prompt time =  5857.69 ms /  3869 runs (    1.51 ms per run)
whisper_print_timings:    total time = 356447.78 ms
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ 
rootroot@rootroot-X99-Turbo:~/whisper.cpp$ ./main -l zh -osrt -m models/ggml-large-v3.bin chs.wavConnection closing...Socket close.

Connection closed by foreign host.

Disconnected from remote host(rootroot192.168.186.230) at 18:34:03.

Type `help' to learn how to use Xshell prompt.

[END] 2024/2/2 19:43:47
 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/671640.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

CleanMyMac2024如何识别并清理垃圾文件?

CleanMyMac识别并清理垃圾文件的过程主要依赖于其强大的扫描功能和智能算法。以下是具体的步骤&#xff1a; 扫描垃圾文件&#xff1a;首先&#xff0c;用户需要打开CleanMyMac软件&#xff0c;并点击“智能扫描”功能。然后&#xff0c;软件将开始自动扫描Mac系统上的各种垃圾…

微信小程序(基本操作)

概念&#xff1a; 小程序&#xff1a;就是小程序&#xff0c;mini program。现在市面上有微信小程序&#xff0c;百度智能小程序等等。 微信小程序&#xff0c;简称小程序&#xff0c;英文名Mini Program&#xff0c;是一种不需要下载安装即可使用的应用&#xff0c;它实现了…

5-4、S加减单片机程序【51单片机+L298N步进电机系列教程】

↑↑↑点击上方【目录】&#xff0c;查看本系列全部文章 摘要&#xff1a;本节介绍实现步进电机S曲线运动的代码 一、目标功能 实现步进电机转动总角度720&#xff0c;其中加减速各90 加速段&#xff1a;加速类型&#xff1a;S曲线  加速角度&#xff1a;角度为90  起步速度…

CSS太极动态图

CSS太极动态图 1. 案例效果 我们今天学习用HTML和CSS实现动态的太极&#xff0c;看一下效果。 2. 分析思路 太极图是由两个旋转的圆组成&#xff0c;一个是黑圆&#xff0c;一个是白圆。实现现原理是使用CSS的动画和渐变背景属性。 首先&#xff0c;为所有元素设置默认值为0…

Topaz Photo AI for Mac v2.3.1 补丁版人工智能降噪软件无损放大

想要将模糊的图片变得更加清晰&#xff1f;不妨试试Topaz Photo AI for Mac 这款人工智能、无损放大软件。Topaz Photo AI for Mac 一款强大的人工智能降噪软件&#xff0c;允许用户使用复杂的锐化算法来提高图像清晰度&#xff0c;还包括肖像编辑选项&#xff0c;如面部重塑、…

Visual Studio 2010+C#实现信源和信息熵

1. 设计要求 以图形界面的方式设计一套程序&#xff0c;该程序可以实现以下功能&#xff1a; 从输入框输入单个或多个概率&#xff0c;然后使用者可以通过相关按钮的点击求解相应的对数&#xff0c;自信息以及信息熵程序要能够实现马尔可夫信源转移概率矩阵的输入并且可以计算…

Netty源码系列 之 EventLoop run()方法 源码

EventLoop[实现类为NioEventLoop&#xff0c;我们研究NioEventLoop即可] EventLoop是一个单线程的线程池 核心作用&#xff1a;处理执行IO操作&#xff08;accept&#xff0c;read&#xff0c;write事件&#xff09;&#xff0c;普通任务&#xff0c;定时任务 EventLoop封装…

精酿啤酒:发酵过程中的温度控制与效果

在啤酒酿造过程中&#xff0c;发酵温度的控制重要&#xff0c;它不仅影响酵母菌的活性&#xff0c;还决定了啤酒的口感、香气和风味。对于Fendi Club啤酒来说&#xff0c;切确控制发酵温度是确保啤酒品质和口感的关键环节。 在Fendi Club啤酒的发酵过程中&#xff0c;温度控制尤…

c#cad 创建-正方形(四)

运行环境 vs2022 c# cad2016 调试成功 一、程序说明 创建一个正方形&#xff0c;并将其添加到当前活动文档的模型空间中。 程序首先获取当前活动文档和数据库&#xff0c;并创建一个编辑器对象。 然后&#xff0c;使用事务开始创建正方形的操作。获取模型空间的块表记录&a…

Vue3大事件项目(ing)

文章目录 核心内容1.大事件项目介绍2.大事件项目创建3.Eslint配置代码风格4.配置代码检查工作流问题: pnpm lint是全量检查,耗时问题,历史问题 5.目录调整6.vue-router4 路由代码解析7.引入 Element Plus 组件库8.Pinia 构建仓库 和 持久化9.Pinia 仓库统一管理 核心内容 Vue3…

C# 夺冠,微软.NET前途光明!

本文以C# 摘得 “2023 年度编程语言“称号为背景&#xff0c;介绍.NET的历史、生态及发展势头&#xff0c;该文章是本人C#专栏的第一篇文章。 这里写目录标题 1.C#摘得"2023年度编程语言"奖项2.什么是.NET&#xff1f;2.1.NET简史2.2.NET是用于应用程序开发的生态系…

2024:AI 大冒险

2024&#xff1a;AI 大冒险 2023 年就像一场疯狂的过山车&#xff0c;现在让我们一起系好安全带&#xff0c;来预测一下 2024 年的五大惊心动魄事件吧&#xff01; 一、AI 惹祸升级 嘿&#xff0c;2024 年可要小心了&#xff01;AI 这家伙可能会变得更调皮捣蛋。人们可能会用…

Ubuntu下anaconda的常用操作

Ubuntu下anaconda的安装及常用操作 安装Anaconda 下载Anaconda&#xff1a;在Anaconda官网下载适合你系统的Anaconda安装包&#xff08;通常是64位的Linux版本&#xff09;。 安装Anaconda 在终端中导航到你下载Anaconda安装包的目录&#xff0c;然后运行以下命令安装Anacon…

git 使用 (备查)

git忽略清单 添加忽略清单 SSH免登录 ssh协议可以实现免登录操作&#xff0c;身份验证通过密钥实现。 跨团队写作 解决冲突 拉取 克隆 拉取最新版本 推送 远程仓库别名 直接使用git push推送 多人协作开发 分支命令 合并分支命令在主分支使用&#xff0c;将develop分支合并到…

大型装备制造企业案例分享——通过CRM系统管理全球业务

本期&#xff0c;小Z为大家带来的CRM管理系统客户案例是某大型装备制造企业运用Zoho CRM管理全球业务的过程分享。该企业是创业板上市公司&#xff0c;业务遍及100多个国家和地区&#xff0c;合作伙伴超百位&#xff0c;拥有覆盖全球的销售和服务网络。截止目前&#xff0c;相继…

7.electron之渲染线程发送事件,主进程监听事件

如果可以实现记得点赞分享&#xff0c;谢谢老铁&#xff5e; Electron是一个使用 JavaScript、HTML 和 CSS 构建桌面应用程序的框架。 Electron 将 Chromium 和 Node.js 嵌入到了一个二进制文件中&#xff0c;因此它允许你仅需一个代码仓库&#xff0c;就可以撰写支持 Windows、…

【漏洞复现】电信网关配置管理系统SQL注入漏洞

Nx01 产品简介 电信网关配置管理系统是一个用于管理和配置电信网络中网关设备的软件系统。它可以帮助网络管理员实现对网关设备的远程监控、配置、升级和故障排除等功能&#xff0c;从而确保网络的正常运行和高效性能。 Nx02 漏洞描述 电信网关配置管理系统存在SQL注入漏洞,攻…

jmeter二次开发函数-生成身份证号

代码参考这个 java 随机生成身份证代码 Java的身份证号码工具类 pom文件添加 <dependency><groupId>org.apache.jmeter</groupId><artifactId>ApacheJMeter_core</artifactId><version>5.4.1</version></dependency><d…

annaconda如何切换当前python环境

annaconda默认的python环境是base&#xff1a; 把各种项目的依赖都安装到base环境中不是一个好的习惯&#xff0c;比如说我们做爬虫项目和做自动化测试项目等所需要的依赖是不一样的&#xff0c;我们可以将为每个项目创建自己的环境&#xff0c;在各自的环境中安装自己的依赖&…

Android 11 访问 Android/data/或者getExternalCacheDir() 非root方式

前言&#xff1a; 需求要求安装三方应用ExternalCacheDir()下载下来的apk文件。 getExternalCacheDir() : /storage/emulated/0/Android/data/com../cache/ 获取访问权限 如果手机安卓版本为Android10的时候,可以在AndroidManifest.xml中添加下列代码 android:requestLegacyExt…