Речь в текст

Whisper

Распознавание речи на 99 языках, включая русский. Стандарт де-факто для расшифровки звонков и встреч.

Разработчик
OpenAI, США
Первый выпуск
сен 2022
Последний выпуск
окт 2024
Размеры
39M – 1,5B
Лицензия
Можно в коммерциюMIT
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Расшифровка звонков и созвонов
  • Субтитры к видео
  • Голосовые сообщения в текст
  • Протоколы совещаний

Где применяется

Отделы продажКолл-центрыМедиа и блогерыЮристы

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходит
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. large-v3-turbo
  2. large-v3
  3. large-v2
  4. Whisper

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.