IT之家 10 月 3 日消息，OpenAI 在 10 月 1 日舉辦的 DevDay 活動日中，宣布推出了 Whisper large-v3-turbo 語音轉(zhuǎn)錄模型，共有 8.09 億參數(shù)，在質(zhì)量幾乎沒有下降的情況下，速度比 large-v3 快 8 倍。
Whisper large-v3-turbo 語音轉(zhuǎn)錄模型是 large-v3 的優(yōu)化版本，并且只有 4 層解碼器層（Decoder Layers），作為對比 large-v3 共有 32 層。
Whisper large-v3-turbo 語音轉(zhuǎn)錄模型共有 8.09 億參數(shù)，比 7.69 億參數(shù)的 medium 模型稍大，不過比 15.5 億參數(shù)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 為 6GB，而 large 模型需要 10GB。
Whisper large-v3-turbo 語音轉(zhuǎn)錄模型大小為 1.6GB，OpenAI 繼續(xù)根據(jù) MIT 許可證提供 Whisper（包括代碼和模型權(quán)重）。
IT之家援引 Awni Hannun 測試結(jié)果，在 M2 Ultra 上，將 12 分鐘的內(nèi)容轉(zhuǎn)錄為 14 秒。
GitHub：https://github.com/openai/whisper/discussions/2363
模型下載：https://huggingface.co/openai/whisper-large-v3-turbo
在線體驗(yàn)：https://huggingface.co/spaces/hf-audio/whisper-large-v3-turbo
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。