【ITBEAR】在近日舉辦的DevDay活動(dòng)日中，科技巨頭OpenAI宣布推出全新的語音轉(zhuǎn)錄模型——Whisper large-v3-turbo。該模型擁有8.09億參數(shù)，以其卓越的性能和速度引起了業(yè)界的廣泛關(guān)注。
作為large-v3的優(yōu)化版，Whisper large-v3-turbo在保持高質(zhì)量轉(zhuǎn)錄的同時(shí)，實(shí)現(xiàn)了速度的大幅提升，比原版large-v3快8倍。新模型僅包含4層解碼器層，相較于large-v3的32層，結(jié)構(gòu)更為精簡。
Whisper large-v3-turbo在參數(shù)規(guī)模上也有所調(diào)整，略大于7.69億參數(shù)的medium模型，但遠(yuǎn)小于15.5億參數(shù)的large模型，實(shí)現(xiàn)了性能與效率的平衡。同時(shí)，新模型所需的VRAM降低至6GB，相較于large模型的10GB，進(jìn)一步減輕了硬件負(fù)擔(dān)。
OpenAI表示，新模型的大小僅為1.6GB，便于用戶下載和使用。同時(shí)，公司將繼續(xù)遵循MIT許可證，提供包括代碼和模型權(quán)重在內(nèi)的Whisper資源，以支持開發(fā)者社區(qū)的創(chuàng)新和發(fā)展。
據(jù)Awni Hannun的測試結(jié)果顯示，在M2 Ultra平臺(tái)上，使用Whisper large-v3-turbo將12分鐘的內(nèi)容轉(zhuǎn)錄僅需14秒，展現(xiàn)了其強(qiáng)大的實(shí)時(shí)轉(zhuǎn)錄能力。
感興趣的用戶可以通過GitHub、Hugging Face等平臺(tái)獲取模型并在線體驗(yàn)其卓越性能。
