Whisper

一、项目简介

Whisper是OpenAI开源的通用语音识别（ASR）模型，通过大规模弱监督训练，支持99种语言的语音转录与翻译。Whisper在嘈杂环境、多口音、多语言场景下均表现鲁棒，是当前使用最广泛的开源语音识别模型之一，成为语音处理领域的标准工具。

二、核心特性

99种语言支持：覆盖全球主要语言的语音识别。

语音翻译：支持语音直接翻译为英文。

高鲁棒性：抗噪能力强，适应多口音与复杂环境。

多规格模型：tiny到large多档选择，适配端侧与云端。

三、典型应用

语音转文字、会议纪要、字幕生成、语音翻译、语音搜索。。

四、获取方式

项目开源在GitHub（openai/whisper），模型权重通过OpenAI发布，支持transformers与本地CLI使用。。