Whisper Large V3

Whisper Large V3 是 OpenAI 的开源自动语音识别模型，提供音频转录和翻译功能。它支持 99 种以上语言，并接受常见音频格式，包括 mp3、mp4、wav、webm、flac 和 ogg。该模型拥有 1,550M 参数，词错误率为 10.3%，非常适合在要求苛刻的条件下进行抗噪声、多语言的转录。支持词级和片段级的时间戳粒度。