Whisper

Whisper基于Transformer编码器-解码器架构，在68万小时的多语言音频数据上训练，具备强大的噪声鲁棒性和跨语言能力。它支持99种语言的转录和翻译，并可直接输出带标点的文本。作为开源模型，Whisper推动了语音识别技术的普及，广泛应用于字幕生成、语音助手和会议记录等场景。