Whisper — модель распознавания речи 145

Whisper — это модель распознавания речи с открытым исходным кодом от Openai для преобразования аудио в текст. Она обучена на больших наборах данных с различным аудио, а также является многоцелевой моделью, способной выполнять многоязычное распознавание речи, а также перевод речи и идентификацию языка.

Whisper имеет пять размеров моделей, обеспечивающих баланс между скоростью и точностью, из которых модели English-only предлагают четыре варианта. Ниже приведены названия доступных моделей, приблизительные требования к памяти и относительная скорость.