Whisper: modelo de reconocimiento de voz 143

Whisper es el modelo de reconocimiento de voz de código abierto de Openai que convierte audio en texto. Se entrena con grandes conjuntos de datos de audios diversos y también es un modelo multitarea que puede realizar reconocimiento de voz multilingüe, así como traducción de voz e identificación de idiomas.

Whisper ofrece cinco tamaños de modelo que proporcionan un equilibrio entre velocidad y precisión, y los modelos solo en inglés ofrecen cuatro opciones. A continuación se muestran los nombres de los modelos disponibles, los requisitos aproximados de memoria y la velocidad relativa.