Whisper 运营中

Whisper是一套自动语音识别系统，核心任务是把音频内容转换为文字，同时提供语音翻译能力。它由OpenAI推出，模型和代码开放，既可作为开发者集成语音功能的基础，也可用于语音处理和机器学习研究。

工具支持将各种来源的音频转录为文字，能够识别包括中文在内的多种语言，资料中标注支持最多99种语言。对于多种非英语语音，Whisper可以直接翻译为英文文本。

生成结果可附带词语或句子级别的时间戳，便于进行文本与音频对齐、内容检索和后续整理。

开发者可以将其用于应用或服务中的语音识别功能；研究人员可把它作为语音处理、机器学习和人工智能研究中的基础模型。

记者、播客制作者和视频创作者可用它整理采访、播客及视频录音，普通用户也可将会议录音、课堂内容或语音备忘录转换成文字。

Whisper的识别效果会受到录音质量、背景噪声、说话人口音和专业术语的影响。即使系统在复杂场景下具备一定稳健性，涉及人名、地名、行业词汇或正式发布内容时，仍建议人工检查转录结果。

模型和代码开放并不等于所有使用场景都无需配置。开发者还需要根据具体项目选择合适的运行方式，并自行处理音频输入、结果校对和后续内容整理。