MODEL

Whisper

Whisper 是 OpenAI 发布的自动语音识别模型系列。模型支持多语言语音转写、语言识别和非英语语音到英语的翻译，采用端到端编码器—解码器 Transformer 架构。

发布日期：

2022-09-21

参数量：

39M–1.55B

架构：

端到端编码器—解码器 Transformer；音频按 30 秒切片并转换为 log-Mel 频谱图，由解码器生成文本及任务控制标记。

输入输出：

音频 → 文本

交互方式：

普通请求

开放方式：

开源