Whisper

一、官方网址

Whisper 官方仓库：https://github.com/openai/whisper

Whisper 基于 68 万小时多语言音频训练，鲁棒性极强，口音、背景噪音下依然表现稳定，是语音转写领域的标杆。

二、核心功能

1. 多语言识别
   支持近百种语言的语音转文字，自动检测语种。
2. 语音翻译
   可将任意支持语言的语音直接翻译为英文文本。
3. 强鲁棒性
   对口音、背景噪音、专业术语的识别能力业界领先。
4. 多规格模型
   从 tiny 到 large 五种规格，速度与精度自由权衡。
5. 时间戳输出
   支持词级时间戳，方便制作字幕与对齐分析。

三、适用场景

1. 字幕自动生成
   为视频内容批量生成多语言字幕文件。
2. 会议录音整理
   将会议、访谈录音快速转为可检索的文字稿。
3. 语音数据标注
   为语音模型训练批量生成标注数据。

四、使用优势

1. 完全免费开源
   MIT 协议，无任何调用费用，可无限次使用。
2. 本地运行
   数据不出本机，敏感音频处理无隐私顾虑。
3. 生态衍生丰富
   faster-whisper、whisper.cpp 等加速版本性能更优。

五、注意事项

1. 硬件要求
   large 模型建议 10GB 显存，CPU 可用但速度较慢。
2. 长音频处理
   超长音频建议分段处理或使用社区优化的加速方案。
3. 幻觉问题
   无声或低质量音频可能产生幻觉文本，重要场景需人工复核。