橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
模型

whisper-large-v3

openai/whisper-large-v3

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：apache-2.0 上游版本：06f233fe06e7

中文简介

openai/whisper-large-v3 是 openai 在 Hugging Face 发布的模型仓库，当前卡片主要关联语音识别。本站固定记录上游版本 06f233fe06e7，同步到 21 个文件，文件元数据合计 29.45 GB；访问状态为“公开”，许可证字段为“apache-2.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 openai/whisper-large-v3 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
openai/whisper-large-v3 是 openai 在 Hugging Face 发布的模型仓库，当前卡片主要关联语音识别。本站固定记录上游版本 06f233fe06e7，同步到 21 个文件，文件元数据合计 29.45 GB；访问状态为“公开”，许可证字段为“apache-2.0”。

【适用方向】
适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：06f233fe06e7。 任务标签：语音识别。 语言字段：en, zh, de, es, ru, ko, fr, ja, pt, tr, pl, ca, nl, ar, sv, it, id, hi, fi, vi, he, uk, el, ms, cs, ro, da, hu, ta, no, th, ur, hr, bg, lt, la, mi, ml, cy, sk, te, fa, lv, bn, sr, az, sl, kn, et, mk, br, eu, is, hy, ne, mn, bs, kk, sq, sw, gl, mr, pa, si, km, sn, yo, so, af, oc, ka, be, tg, sd, gu, 。 架构：WhisperForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 1.54 B。 库标记：transformers。 模型类型字段：whisper。 上游页面记录的最近更新时间：2024-08-12。

【文件信息】
上游 API 返回 21 个文件，文件元数据合计 29.45 GB。 已保存文件清单中的主要扩展名：.json 11 个、.bin 3 个、.safetensors 3 个、.md 1 个、.msgpack 1 个、.txt 1 个。 当前较大的文件包括：flax_model.msgpack（5.75 GB）；pytorch_model.fp32-00001-of-00002.bin（4.65 GB）；model.fp32-00001-of-00002.safetensors（4.65 GB）。

【运行或处理环境】
仓库文件元数据合计 29.45 GB。 按每参数 2 字节只计算 BF16 权重，理论下限约 2.87 GB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision by Alec Radford et al. from OpenAI. Trained on >5M hours of labeled data, Whisper demonstrates a strong ability to generalise to many datasets and domains in a zero-shot setting. Whisper large-v3 has the same architecture as the previous large and large-v2 models, except for the following minor differences: 1. The spectrogram input uses 128 Mel frequency bins instead of 80 2. A new language token for Cantonese The Whisper large-v3 model was trained on 1 million hours of weakly labeled audio and 4 million hours of pseudo-labeled audio collected using Whisper large-v2 . The model was trained for 2.0 epochs over this mixture dataset. The large-v3 model shows improved performance over a wide variety of languages, showing 10% to 20% reduction of errors compared to Whisper large-v2 . For more details on the different checkpoints available, refer to the section Model details. Disclaimer**: Content for this model card has partly been written by the 🤗 Hugging Face team, and partly copied and pasted from the original model card. Usage Whisper large-v3 is supported in Hugging Face 🤗 Transformers. To run the model, first install the Transformers library. For this example, we'll also install 🤗 Datasets to load toy audio dataset from the Hugging Face Hub, and 🤗 Accelerate to reduce the model loading time: The model can be used with the `pipeline` class to transcribe audios of arbitrary length: To transcribe a local audio file, simply pass the path to your audio file when you call the pipeline: Multiple audio files can be transcribed in parallel by specifying them as a list and setting the `batch_size` parameter: Transformers is compatible with all Whisper decoding strategies, such as temperature fallback and condition on previous tokens. The following example demonstrates how to enable these heu

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：06f233fe06e7。 任务标签：语音识别。 语言字段：en, zh, de, es, ru, ko, fr, ja, pt, tr, pl, ca, nl, ar, sv, it, id, hi, fi, vi, he, uk, el, ms, cs, ro, da, hu, ta, no, th, ur, hr, bg, lt, la, mi, ml, cy, sk, te, fa, lv, bn, sr, az, sl, kn, et, mk, br, eu, is, hy, ne, mn, bs, kk, sq, sw, gl, mr, pa, si, km, sn, yo, so, af, oc, ka, be, tg, sd, gu, 。 架构：WhisperForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 1.54 B。 库标记：transformers。 模型类型字段：whisper。 上游页面记录的最近更新时间：2024-08-12。

文件说明

上游 API 返回 21 个文件，文件元数据合计 29.45 GB。 已保存文件清单中的主要扩展名：.json 11 个、.bin 3 个、.safetensors 3 个、.md 1 个、.msgpack 1 个、.txt 1 个。 当前较大的文件包括：flax_model.msgpack（5.75 GB）；pytorch_model.fp32-00001-of-00002.bin（4.65 GB）；model.fp32-00001-of-00002.safetensors（4.65 GB）。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes1.48 KB
  • added_tokens.json33.84 KB
  • config.json1.24 KB
  • flax_model.msgpack5.75 GB
  • generation_config.json3.81 KB
  • merges.txt482.29 KB
  • model.fp32-00001-of-00002.safetensors4.65 GB
  • model.fp32-00002-of-00002.safetensors1.10 GB
  • model.safetensors2.88 GB
  • model.safetensors.index.fp32.json115.13 KB
  • normalizer.json51.43 KB
  • preprocessor_config.json340 B

硬件建议

仓库文件元数据合计 29.45 GB。 按每参数 2 字节只计算 BF16 权重，理论下限约 2.87 GB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。