Whisper by OpenAI

Whisper 是 OpenAI 发布的自动语音识别（ASR）系统，具备接近人类水平的识别精度，支持多语种转写及英译功能。该模型基于 68 万小时的多语言监督数据训练，表现出对口音、噪音和技术术语的出色鲁棒性。\n\nWhisper 采用端到端 Transformer 架构，通过将音频片段转为 log-Mel 频谱图输入模型，实现语言识别、时间戳提取、语言检测及多语种转写。其零样本性能在多项基准上均显著优于同类开源系统，是开发语音界面和多语言语音产品的理想基础。