免费 该资源可免费获取，使用范围以模型许可证为准，详见下方许可说明
Whisper 是 OpenAI 开源的多语言语音识别模型，采用 Transformer 编码器-解码器架构，在约 68 万小时多语种音频上训练，将多语言转写、语音翻译与语种识别统一到单个模型完成。
核心特性
-
多语言转写：内置 base / small / medium 三档规格可自由切换，支持 99 种语言转写，语种可自动识别或手动指定
-
转写与翻译一体：任务类型支持转写（transcribe）与翻译（translate），非英语音频可直接输出英文文本
-
时间戳与自动标点：输出带时间戳的分段文本，识别结果自动补全标点，便于字幕制作与文稿整理
-
提示词引导：可通过初始提示词注入人名、专业术语与标点风格，改善专有名词与中英混读的识别效果
-
运行门槛低：默认 GPU（CUDA）推理，无 GPU 自动降级 CPU；内存 8G+，medium 规格建议显存 6G+
适用场景
会议与访谈录音转写、音视频字幕生成、播客与课程文稿整理、多语种素材翻译
更多信息可参考：https://github.com/openai/whisper
本站提供的模型均来自公开渠道，著作权归各自发布方所有，并适用其原始许可证，本站不授予任何模型的商业授权；部分模型本站不提供权重，由客户端在您确认许可证后从发布方官方源下载。模型能否商用及如何取得商业授权，以该模型许可证的标注为准。如您认为本资源侵犯您的合法权益，请通过本站「意见反馈」或「工单反馈」等反馈渠道提交，主题注明「权利投诉」，我们将在核实后及时下架。
