Whisper

Whisper 是 OpenAI 开源的语音识别模型，基于大规模弱监督训练，对嘈杂环境、口音和专有名词的鲁棒性明显优于传统方案。支持 99 种语言的转写，以及任意语言到英语的翻译。
模型分 tiny/base/small/medium/large 五档，可以在显存和精度之间取舍；large 版本在标准评测上接近人类转录水平。社区生态衍生出 faster-whisper、WhisperX、whisper.cpp 等大量加速方案。
适合场景：会议录音转写、字幕生成、语音内容搜索索引、以及各类需要高准确率转写的产品集成。
上手方式：pip install openai-whisper 后 whisper audio.mp3 --language zh 即可输出带时间戳的文本。