Whisper

term_id: whisper

Category: basic_concepts

Definition

Whisper 是一个通用语音识别模型，旨在处理多种语言、方言和口音。它是在数十万小时的多语言和 multitask 监督数据上训练而成的，具有强大的鲁棒性。

Summary

由 OpenAI 开发的自动语音识别 (ASR) 系统，基于大量多样化音频数据集训练而成。

Key Concepts

  • 自动语音识别
  • 多语言支持
  • 抗噪鲁棒性
  • Transformer 架构

Use Cases

  • 视频字幕生成
  • 会议或讲座转录
  • 语音命令处理

Code Example

1
2
3
4

import whisper
model = whisper.load_model("base")
result = model.transcribe("audio.mp3")
print(result["text"])