Whisper
Mer info
- Skapad av
- OpenAI
- År
- Typ
- Automatic Speech Recognition (ASR)
- Licens
- MIT (öppna vikter)
- Källkod
- github.com/openai/whisper
OpenAIs taligenkänningsmodell, släppt i september 2022 med öppna vikter under MIT-licens. Gjorde automatisk transkribering av hög kvalitet till något vem som helst kan köra lokalt.
En encoder–decoder-transformer tränad på 680 000 timmar svagt märkt ljud från webben — inte noggrant kurerat material, utan enorma mängder verkligt tal med varierande kvalitet, brus och brytning. Det är därför den är robust där tidigare system föll. Hanterar ett nittiotal språk, inklusive svenska med god träffsäkerhet, och kan översätta direkt till engelska. Finns i storlekar från tiny till large-v3. Den kända svagheten är hallucination vid tystnad: modellen hittar på meningar när det inte sägs något, vilket granskningar 2024 visade förekom även i medicinsk transkribering. Snabbare varianter: faster-whisper och whisper.cpp.