openai/whisper
Un modelo general de reconocimiento de voz entrenado con supervisión débil a gran escala sobre audio diverso y publicado como pesos y código Python. Un único modelo Transformer secuencia a secuencia cubre transcripción multilingüe, traducción de voz al inglés e identificación del idioma hablado, sustituyendo varias etapas de un pipeline tradicional de voz. El código requiere Python 3.8 a 3.11 con PyTorch, y los modelos se instalan con pip como paquete openai-whisper.
Actividad de mantenimiento