Whisper
Reconhecimento e tradução de voz multilingue da OpenAI
Whisper é o modelo de reconhecimento de voz de uso geral da OpenAI, treinado com 680 mil horas de áudio multilingue diversificado. Destaca-se ao lidar com ruído de fundo, vocabulário técnico e diferentes sotaques — desafios nos quais os sistemas de voz tradicionais costumam falhar.
Destaques
- Transcreve áudio em 99 idiomas e traduz para inglês falas noutros idiomas
- Seis variantes, de tiny, com 39 milhões de parâmetros, a turbo, com 1,5 mil milhões, para equilibrar velocidade e precisão
- Resistente a ruído, música de fundo e jargão técnico
- Licença MIT: utilização local ou comercial totalmente gratuita
- API Python e interface de linha de comandos simples; funciona com MP3, WAV, FLAC e outros formatos
Quer esteja a criar um serviço de transcrição de podcasts, ferramentas de acessibilidade ou a processar conteúdo multilingue, Whisper oferece precisão de nível empresarial sem taxas de licenciamento. É especialmente útil para aplicações que precisam de transcrição fiável em diferentes condições de áudio e idiomas. Pode ser descarregado e executado gratuitamente no seu próprio equipamento.
Comentários(0)
Entre para comentar