Whisper

Whisper ist ein von OpenAI entwickeltes und als Open-Source veröffentlichtes Spracherkennungsmodell. Es wurde auf einem großen mehrsprachigen Datensatz trainiert und unterstützt die Erkennung und Übersetzung von über 90 Sprachen.

Das Modell basiert auf einer Transformer-Architektur und verarbeitet Mel-Spektrogramme als Eingabe. Es ist in verschiedenen Größen verfügbar, vom kompakten Tiny-Modell bis hin zum leistungsfähigen Large-Modell.

Whisper kann lokal ohne Internetverbindung betrieben werden und liefert in vielen Benchmarks konkurrenzfähige Ergebnisse. Es eignet sich für Transkription, Übersetzung und Zeitstempel-Generierung.