如果应用需要实时语音转文字，Whisper 是否仍是最佳默认选择？
摘要
探讨在考虑替代方案和性能权衡的情况下，OpenAI 的 Whisper 是否仍是实时语音转文字应用的首选。
暂无内容
相似文章
Whisper 介绍
OpenAI 推出 Whisper，这是一个端到端的编码器-解码器 Transformer 模型，在大规模多样化音频数据上进行训练，可提供强大的多语言语音识别、语言识别和语音到英文翻译功能。Whisper 在多样化数据集上的错误率比专业模型低 50%，并且在语音翻译方面优于有监督基准，尽管未针对特定数据集进行微调。
vaibhavs10/incredibly-fast-whisper
一个高度优化的OpenAI Whisper Large v3版本，使用Transformers、Optimum和Flash Attention 2，能够在Replicate上在2分钟内转录150分钟的音频。
ChatGPT 和 Whisper API 发布
OpenAI 发布了面向开发者的 ChatGPT（GPT-3.5 Turbo）和 Whisper API，自去年12月以来成本降低了90%，支持集成到第三方应用。公告包括来自 Snap、Quizlet、Instacart、Shop 和 Speak 等早期采用者的案例。
@tom_doerr: 以70倍实时速度转录音频 https://github.com/m-bain/whisperX
WhisperX是一个用于快速自动语音识别的工具，提供词级时间戳和说话人分离，使用Whisper large-v2实现70倍实时转录。
API 推出全新模型，推动语音智能发展
OpenAI 在 API 中发布了三款全新语音模型：具备高级推理能力的 GPT-Realtime-2、支持实时多语言翻译的 GPT-Realtime-Translate，以及用于流式转录的 GPT-Realtime-Whisper，旨在实现更自然、更具行动力的语音应用。