跳到正文

Whisper large-v3-turbo

覆盖 99 种语言的快速语音识别与翻译

访问官网

Whisper large-v3-turbo 是什么

Whisper large-v3-turbo 被介绍为 OpenAI 提出的自动语音识别与语音翻译模型,在超过 500 万小时的标记数据上训练,并能在零样本设置中泛化到许多数据集和领域。

你可以用它做什么

  • 对 99 种语言做语音识别与翻译
  • 无需微调即可泛化到多个数据集和领域
  • 对长音频文件逐块处理
  • 自动预测源音频的语言

上手流程

  • 安装 Transformers、Datasets 与 Accelerate 库
  • 从 Hugging Face Hub 加载 AutoModelForSpeechSeq2Seq 与 AutoProcessor
  • 用 pipeline 类创建自动语音识别管道
  • 加载并准备来自 Hub 示例数据集或本地文件的音频

模型说明

  • 该模型是 Whisper large-v3 的微调版本
  • 解码层从 32 减少到 4,以提高速度
  • 这一削减可能略微降低质量

优点与缺点

✓ 我们认可的地方

  • 解码层由 32 减少到 4,运行更快
  • 兼容所有 Whisper 解码策略

! 需要留意的地方

  • 解码层减少可能略微降低质量
  • 速度提升来自微调后的解码层削减

常见问题

支持多少种语言?

功能列表写明 99 种语言的语音识别与翻译。

与 Whisper large-v3 有什么不同?

解码层从 32 减少到 4,以提高速度。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法