功能和适用任务
多语言语音转文字:将录音或音视频中的语音识别为可编辑文本;语音识别与语种检测:识别输入音频主要语言并据此进行转写;多语语音翻译成英文:选择支持翻译的多语言模型输出英文文本
官方资料 ↗本地多语音频识别与翻译
语音音频本地多语音频识别与翻译
多语言语音转文字:将录音或音视频中的语音识别为可编辑文本;语音识别与语种检测:识别输入音频主要语言并据此进行转写;多语语音翻译成英文:选择支持翻译的多语言模型输出英文文本
官方资料 ↗本地语音识别不收云端按分钟费用;自行提供计算资源
官方资料 ↗Whisper 官方开源模型/推理代码免费;硬件与托管识别 API 另计
官方资料 ↗Whisper 是 OpenAI 发布的开源自动语音识别模型,可在本地转录多语种音频
官方资料 ↗本地可安装使用;第三方托管识别平台的地区条件独立
官方资料 ↗Whisper 代码 MIT,可用于商业转录;音频、个人数据等权利及合规责任独立
官方资料 ↗核心开源工具在自有设备上无厂商按次调用费;GPU、云主机和第三方模型 API 成本由使用方式决定。
Whisper 官方开源模型/推理代码免费;硬件与托管识别 API 另计
官方资料 ↗