01 / Overview
简介
OpenAI 开源的通用语音识别模型家族，支持多语言转写、语音翻译与语种识别，权重以 MIT 许可证开放，是开源 ASR 的事实基准之一；OpenAI 同时以 whisper-1 等形态提供托管 API。
发布日期2023-11-06
02 / Provenance
字段核对与口径说明
同一字段在不同来源出现两种说法时，这里把每种说法连同出处一起列出。本站不取中间值、不补造缺失数字，也不替读者裁定哪一方正确；读数时按出处自行判断即可。
查看逐字记录（3 项）
| 字段 | 素材原文记载（逐字保留） | 来源 |
|---|---|---|
| 其他口径备注 | large-v3 的 LibriSpeech test-clean WER 第三方数值不一致（约 2.01% 与约 2.7% 两说），已录一家并注明，待按 Open ASR Leaderboard 原表复核后统一 | |
| 名称与链接 | weights 入口暂以资料页代记：GitHub openai/whisper 与 HF openai/whisper-large-v3 的直达 URL 未在本轮搜索结果中原样出现，待核实回填（未猜 URL） | |
| 价格与计费口径 | OpenAI 官方 API 定价页未逐字核，价格为第三方口径 |
03 / Plain layer
通俗层评测
自然度 官方未公布
识别准确率 2.7% · 越低越好
语速 / 延迟 官方未公布
支持语言数 官方未公布
价格 / 免费 官方未公布开源权重免费自部署
04 / Facts
实用信息
| 上下文长度 | 官方未公布 |
|---|---|
| 最大输出 | 官方未公布 |
| 参数量 | 官方未公布 |
| 输入价 | 官方未公布 |
| 输出价 | 官方未公布 |
| CNY | 官方未公布 |
| 免费额度 | 开源权重免费自部署 |
| 输出速度 | 官方未公布 |
| 发布日期 | |
| 许可证 | 官方未公布 |
展开专业数据
专业层评测表
| 基准 | 分数 | 满分 / 单位 | 来源类型 | 来源 | 测试日期 | 测试条件 |
|---|---|---|---|---|---|---|
| 语音识别词错率 asr-wer | 2.7% | percent / 100 | 第三方实测 | LibriSpeech test-clean（干净朗读英语）；越低越好。注：另有第三方称同测试集约 2.01%，数值随评测实现有出入，见 gaps |
| 版本 | 发布日期 | 状态 | 开源情况 | 参数量 | 变化说明 | 详情 | |
|---|---|---|---|---|---|---|---|
| large-v3-turbo | 现役 | 开源 | 官方未公布 | large-v3 的提速版：解码层削减至 4 层，参数约 809M，转写速度数倍于 large-v3、精度接近。 | 详情 | ||
| large-v3当前展示版本 | 现役 | 开源 | 官方未公布 | 2023 年 OpenAI DevDay 发布：改用 128 Mel 频带、新增粤语语种标记，训练数据约 500 万小时（含伪标注）。 | 详情 | ||
| large-v2 | 被替代 | 开源 | 官方未公布 | 训练与正则化改进版。 | 详情 | ||
| Whisper 首发（tiny→large 五档） | 被替代 | 开源 | 官方未公布 | 2022 年 9 月开源首发，基于约 68 万小时弱监督音频训练，代码与权重 MIT 开放。 | 详情 |
最后更新: · 数据来源见详情
06 / Compare