Whisper

一、项目简介

Whisper 是 OpenAI 开源的通用语音识别（ASR）模型。它在海量多语言语音数据上训练，对背景噪声、口音和专业术语都有很强鲁棒性，支持多种尺寸模型（tiny 到 large-v3），可在本地离线完成高质量转写与翻译。

二、核心特性

• 多语言：覆盖近百种语言，含中文；
• 鲁棒性强：噪声环境、口音下仍保持较高准确率；
• 多尺寸：tiny/base/small/medium/large，按需选择速度与精度；
• 离线运行：本地推理，无需联网；
• 时间戳与翻译：支持分段时间戳，可把其他语言直接译成英文。

三、适用场景

• 会议记录、访谈转写；
• 视频字幕生成；
• 播客/音频内容索引与检索。

四、快速上手

pip install openai-whisper
whisper audio.mp3 --model large-v3 --language zh

五、注意事项

• large 模型需较多显存/内存，CPU 推理很慢；
• 中文建议用 large-v3，准确率明显优于小模型；
• 实时流式场景可考虑 faster-whisper 等加速方案。