Whisper

Whisper ist das universell einsetzbare Spracherkennungsmodell von OpenAI und wurde mit 680.000 Stunden vielfältiger, mehrsprachiger Audiodaten trainiert. Es verarbeitet Hintergrundgeräusche, Fachbegriffe und Akzente besonders zuverlässig – Herausforderungen, an denen herkömmliche Spracherkennungssysteme häufig scheitern.

Highlights

• Transkribiert Audio in 99 Sprachen und übersetzt nicht englische Sprache ins Englische
• Sechs Modellvarianten von tiny mit 39 Millionen Parametern bis turbo mit 1,5 Milliarden für unterschiedliche Anforderungen an Geschwindigkeit und Genauigkeit
• Unempfindlich gegenüber Lärm, Hintergrundmusik und Fachjargon
• MIT-lizenziert und damit für die lokale oder kommerzielle Nutzung vollständig kostenlos
• Einfache Python-API und Kommandozeilenschnittstelle; unterstützt MP3, WAV, FLAC und weitere Formate

Ob für einen Transkriptionsdienst für Podcasts, barrierefreie Werkzeuge oder die Verarbeitung mehrsprachiger Inhalte: Whisper bietet Genauigkeit auf Unternehmensniveau ohne Lizenzgebühren. Besonders wertvoll ist es für Anwendungen, die unter unterschiedlichen Aufnahmebedingungen und in verschiedenen Sprachen zuverlässig transkribieren müssen. Der Download und die Ausführung auf eigener Hardware sind kostenlos.