ASROpenAI开源语音识别多模态模型

Whisper（语音识别） large-v3

OpenAI Whisper系列 · OpenAI · 2022-09发布

开源支持本地部署多模态国内可直连有免费额度

🔗 官方体验地址 → 📄 API文档地址 → 📥 模型下载地址 →

模型介绍

OpenAI 开源的语音识别模型，支持 99 种语言的转写与翻译，含弱监督多语言训练，可本地运行，是主流开源 ASR 方案，社区优化版更快。

模型基础信息

模型系列OpenAI Whisper系列

开发机构OpenAI

发布时间2022-09

参数规模39M ~ 1.5B

上下文窗口30s 音频窗口

模型类型语音识别（ASR）

中文能力优秀

使用方式网页体验 / API调用 / 本地部署

免费额度与收费政策

完全免费开源

免费规则详情

MIT 协议完全免费，可本地部署与商用。

收费标准简介

完全免费；仅需硬件。

模型能力介绍

✅ 核心优势

多语言转写（99 种语言）
支持翻译功能
本地运行保护隐私
社区优化版（faster-whisper）性能好

⚠️ 短板与局限

长音频需切分处理
实时性一般（非流式）
较大模型需要显存

🎯 适用场景

视频/会议字幕
录音转文字
多语言翻译
语音产品中台

模型使用教程

本章节整理 Whisper（语音识别）的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。

OpenAI Whisper 支持语音转写与翻译。本地化使用保证隐私与离线。

命令行：whisper audio.mp3 --language zh --model large-v3。

pip install -U openai-whisper
# 或更快
pip install faster-whisper

import whisper
model = whisper.load_model("large-v3")
result = model.transcribe("audio.mp3", language="zh")
print(result["text"])

pip install faster-whisper

from faster_whisper import WhisperModel
model = WhisperModel("large-v3", device="cuda", compute_type="float16")
segments, info = model.transcribe("audio.mp3", language="zh")
for seg in segments:
    print(seg.text)

💡 使用小技巧

pip install faster-whisper 加入口 GPU 加速。

中文转写推荐 large-v3。

❓ 常见问题 FAQ

Q1：Whisper 免费吗？

A1：完全免费开源。

Q2：转写准确率高吗？

A2：较高，large 模型中文优秀。

访问备注与注意事项

国内可用 pip 镜像安装
模型自动下载（可配置镜像）