OpenAI 升级 Whisper 语音转录 AI 模型，不牺牲质量速度快 8 倍

10 月 3 日，OpenAI 在 10 月 1 日举办的 DevDay 活动日中，宣布推出了 Whisper large-v3-turbo 语音转录模型，共有 8.09 亿参数，在质量几乎没有下降的情况下，速度比 large-v3 快 8 倍。Whisper large-v3-turbo 语音转录模型是 large-v3 的优化版本，并且只有 4 层解码器层（Decoder Layers），作为对比 large-v3 共有 32 层。Whisper large-v3-turbo 语音转录模型共有 8.09 亿参数，比 7.69 亿参数的 medium 模型稍大，不过比 15.5 亿参数的 large 模型小很多。OpenAI 表示 Whisper large-v3-turbo 的速度比 large 模型快 8 倍，并且所需的 VRAM 为 6GB，而 large 模型需要 10GB。Whisper large-v3-turbo 语音转录模型大小为 1.6GB，OpenAI 继续根据 MIT 许可证提供 Whisper（包括代码和模型权重）。IT之家援引 Awni Hannun 测试结果，在 M2 Ultra 上，将 12 分钟的内容转录为 14 秒。GitHub：https://github.com/openai/whisper/discussions/2363模型下载：https://huggingface.co/openai/whisper-large-v3-turbo在线体验：https://huggingface.co/spaces/hf-audio/whisper-large-v3-turbo

来源：IT之家