Faster-Whisper：基于CTranslate2的高性能语音转文本引擎，4倍速推理与低内存占用双突破
Faster-Whisper是由SYSTRAN团队开发并开源的OpenAI Whisper语音转文本模型的高性能重构实现，核心依托CTranslate2——一款专为Transformer架构设计的轻量级、高性能推理引擎...
VibeVoice-ASR：微软开源的AI语音转文本工具，单遍处理60分钟长音频
VibeVoice-ASR是微软推出的开源语音转文本（ASR）模型，支持英语和中文双语言输入，具备单遍处理60分钟长音频的核心能力。该模型融合ASR、说话人分离与时间戳标注功能，可直...
MedASR：谷歌开源的医疗场景专属自动语音识别模型
MedASR是谷歌健康团队开源的医疗领域专用自动语音识别模型，核心聚焦临床语音转文本场景，解决通用ASR模型医疗术语识别不准、误判率高的痛点。该模型基于轻量化Conformer架...
Whisper：OpenAI 开源多语言语音处理模型，支持语音识别与跨语言翻译
Whisper 是 OpenAI 开发的开源通用语音处理模型，基于 Transformer 架构，通过多任务训练支持多语言语音识别、语音翻译、语言识别等功能。该模型提供 6 种不同规格（从 tin...