openai/whisper
Ein allgemeines Spracherkennungsmodell, das mit schwacher Supervision in großem Umfang auf vielfältigem Audio trainiert und als Gewichte plus Python-Code veröffentlicht wurde. Ein einziges Transformer-Seq2Seq-Modell übernimmt mehrsprachige Transkription, Sprachübersetzung ins Englische und Erkennung der gesprochenen Sprache und ersetzt damit mehrere Stufen einer klassischen Sprach-Pipeline. Der Code setzt Python 3.8 bis 3.11 mit PyTorch voraus, die Modelle werden per pip als Paket openai-whisper installiert.
Wartungsaktivität