MODEL

Whisper

OpenAI 开放的通用语音识别模型，以大规模多语言弱监督数据训练，支持多语言转写、语音翻译与语言识别。语音能力：streaming=false（需外部封装）；localDeploy=true；speakerDiarization=none；speakerIdentification=none；overlappingSpeech=limited；timestamps=segment。

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

组织：

OpenAI