Whisper large-v2
مدل صوتی از اوپنایآی
به فارسی:ویسپر لارج وی ۲ویسپر large-v2
این مدل چیست؟
Whisper large-v2 نسخهٔ دوم بزرگترین مدل متنباز تبدیل گفتار به متن OpenAI است که دسامبر ۲۰۲۲ منتشر شد؛ حدود ۱٫۵۵ میلیارد پارامتر دارد و ۹۹ زبان، از جمله فارسی، را رونویسی و به انگلیسی ترجمه میکند. API قدیمی whisper-1 در OpenAI بر پایهٔ همین مدل است. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۴٫۱٪ است و رایگان روی کامپیوتر خودتان با Whisper، Buzz، Subtitle Edit و افزونهٔ OpenVINO در Audacity اجرا میشود.
سازنده: اوپنایآی (OpenAI)
OpenAI شرکت آمریکایی سازندهٔ ChatGPT است. مدلهای زبانی GPT، تصویرساز GPT Image و مدلهای گفتار و تبدیل گفتار به متن را میسازد و آنها را در ChatGPT و از راه API عرضه میکند.
کجا میشود از آن استفاده کرد؟
OpenAI Whisperبا گزینهٔ --model large-v2 در خط فرمان؛ رایگان و آفلاین
OpenRouterبا شناسهٔ openai/whisper-1 (API قدیمی OpenAI بر پایهٔ large-v2)؛ پولی و بهازای مصرف
AvalAIدر API اولایآی با شناسهٔ whisper-1؛ پولی و بهازای مصرف
Audacityدر افزونهٔ OpenVINO Whisper Transcription اینتل با گزینهٔ large v2؛ رایگان و آفلاینSubtitle Editدر موتورهای Whisper برنامه با مدل large-v2؛ رایگان و آفلاین
Buzzدر فهرست مدلهای Whisper برنامه با اندازهٔ large-v2؛ رایگان و آفلاین
جایگاه در جدولهای مقایسه
- سنجش گفتار به متن Artificial AnalysisWhisper Large v2رتبهٔ ۳۸خطای کلمه ۴٫۱٪$۶ برای ۱۰۰۰ دقیقه صدا
مدلهای دیگر اوپنایآی
GPT-4.1GPT-4oGPT-4o miniGPT-4o Mini TranscribeGPT-4o TranscribeGPT-5GPT-5.3 CodexGPT-5.4GPT-5.5GPT-5.5 InstantGPT-5.6 LunaGPT-5.6 SolGPT-5.6 TerraGPT-6.1 SolGPT-6.1 TerraGPT-6 AstraGPT-6 LunaGPT-6 Luna DecisionsGPT-6 SolGPT Image 1GPT Image 1.5GPT Image 2GPT Image 2.5GPT Image 2.6GPT-Live-1gpt-ossGPT TranscribeOpenAI o3SoraSora 2