AITerms 登入
機器學習深度學習自然語言處理

語音轉錄模型(Whisper)是什麼?

Whisper 是 OpenAI 開發的語音辨識系統,能將語音轉換為文字,支援多種語言,並具備良好的抗噪能力和翻譯功能。

完整定義

Whisper 是一個由 OpenAI 開發的自動語音辨識 (ASR) 系統。它接受音訊作為輸入,並將其轉錄成文字。Whisper 的主要優勢在於其強大的多語言支援、對不同口音的適應性,以及在嘈雜環境中保持高準確度的能力。此外,它還能執行語音翻譯,將一種語言的語音轉錄成另一種語言的文字。

白話說明

你有沒有錄完一段會議,卻不想自己一字一句打成文字?

你可以把 Whisper 想成一個很會聽話的語音轉文字模型,能把錄音變成字幕、逐字稿,甚至翻成別的語言。

它重要,是因為開會、訪談、課堂和內容製作都很常需要先把聲音變成文字。

記住這句

把聲音變文字,還能幫忙跨語言。

比喻:Whisper 就像一個多國語言的專業速記員 -- 不管你說哪種語言,口音多重,背景多吵,它都能準確地把你的話寫下來,甚至還能幫你直接翻譯成其他語言,非常厲害。

容易混淆

Whisper vs 語音辨識

語音辨識是任務類別,Whisper 是完成這個任務的模型之一。

Whisper vs 語音合成技術

Whisper 是把聲音轉成文字,語音合成技術是把文字唸成聲音。

Whisper vs 一般翻譯工具

一般翻譯工具先看文字再翻,Whisper 可以先把語音轉成文字,必要時再做翻譯。

最關鍵的區別:Whisper 是聽音訊的,不是把文字唸出來的。

實際案例

會議逐字稿

主管錄下一小時的會議音檔,Whisper 先把它轉成文字,再交給整理工具做摘要和待辦事項。

影片字幕

內容創作者把訪談影片丟進模型,先拿到初稿字幕,再人工修正專有名詞和人名。

演算法與應用

Whisper 的優勢通常在多語言、抗噪和泛用性。

它常被用在字幕生成、訪談紀錄、會議紀要、語音搜尋和跨語言轉寫。

真正落地時,常會搭配說話者分離、標點修正和人工校對,因為單靠轉錄還不夠完整。

情境判斷

Q1(直覺題): 你在咖啡廳錄了一段訪談,環境有點吵,想先轉成文字,Whisper 適合嗎?

適合,因為它本來就很重視噪音下的轉錄能力。

Q2(判斷題): 你要的是「誰說了什麼」的完整會議記錄,只有 Whisper 就夠嗎?

不一定。Whisper 可以負責轉錄,但通常還要搭配說話者分離和後處理。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 1 題把語音轉錄模型列為延伸術語。

相關術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本