Whisper

Whisper 是通用语音识别模型，可处理多语言转写、语音翻译、语言识别与语音活动检测。模型按 tiny、base、small、medium、large 和 turbo 等尺寸提供速度与精度选择。

项目提供命令行和 Python 调用方式，需要安装 ffmpeg。对伴侣系统而言，它通常承担把麦克风或语音消息转换成文字上下文的基础听觉层。

• 适合：需要本地或自托管语音转写、语言识别与翻译的伴侣系统。
• 平台：Python 运行环境，可使用 CPU 或 GPU。
• 使用方式：安装 openai-whisper 与 ffmpeg，选择模型后转写音频文件或接入实时管线。
• 许可：代码与模型权重均为 MIT。