Whisper
Whisper 是面向生成式 AI、模型、RAG、Agent、推理、训练或生产治理的开放源代码项目。
分类：多模态、语音与文档智能
公司 / 团队：OpenAI
详细介绍
该项目的主要能力包括通用语音识别、语言识别、翻译、时间戳和多语言音频转文本模型与推理代码。
开源项目的真实可用性取决于代码版本、许可证、模型与数据条款、依赖、硬件、操作系统、部署方式、社区维护、漏洞响应和生产评测。详情页应把仓库、许可证、最新 Release、提交活跃度、安装方式、支持模型、资源需求、遥测、商业版关系和迁移状态拆成动态字段维护。
适合场景
- 离线语音识别
- 字幕生成
- 多语言转录
- 音频研究
使用注意
- 模型推理速度和显存依尺寸变化
- 说话人分离、实时流式和词级对齐通常需额外组件
- 敏感音频应本地处理或明确数据政策
- 正式用于生产前应完成许可证、模型权重、数据来源、依赖供应链、漏洞、权限、沙箱、准确性、性能、成本、备份和退出迁移评估。