Toolkit open source de reconhecimento de fala para ASR offline e em streaming, com VAD, pontuação, identificação de falantes e serviço compatível com OpenAI.
20,8 mil2,1 milPythonMITAtualizado anteontem
openai/whisper
Modelo de reconhecimento de fala de uso geral que transcreve e traduz áudio e identifica seu idioma em várias línguas.
- Estrelas
- 110,909
- Forks
- 13,448
- Issues abertas
- 175
- Último commit
- há 2 meses
O que é?
Whisper é um modelo de reconhecimento de fala de código aberto da OpenAI, treinado com um conjunto amplo e diversificado de áudios. Ele lida com reconhecimento de fala multilíngue, tradução de fala para o inglês e identificação do idioma falado em um único modelo Transformer sequence-to-sequence, podendo substituir várias etapas de um pipeline tradicional de processamento de fala.
O modelo está disponível como pacote Python (instalável com pip) e como ferramenta de linha de comando `whisper`, que precisa do ffmpeg para decodificar áudio. São oferecidos seis tamanhos de modelo, de `tiny` a `large`, além do modelo `turbo`, otimizado para transcrições mais rápidas; há variantes `.en`, exclusivas para inglês, nos tamanhos menores. Os modelos maiores precisam de mais VRAM: cerca de 1 GB para `tiny` e até aproximadamente 10 GB para `large`.
Além da função de alto nível para transcrição, a API Python oferece funções de nível mais baixo para detecção de idioma, criação de espectrogramas log-Mel e opções de decodificação. O modelo `turbo` não foi treinado para tradução; por isso, tarefas de tradução devem usar os modelos multilíngues `medium` ou `large`.
Recursos principais
- 01Reconhecimento de fala multilíngue em um único modelo.
- 02Tradução de fala para o inglês com modelos multilíngues.
- 03Identificação automática do idioma falado.
- 04Seis tamanhos de modelo, com diferentes compromissos entre precisão, velocidade e uso de memória.
- 05Ferramenta de linha de comando e API Python para transcrição.
Casos de uso
- Transcrever gravações de reuniões, entrevistas ou podcasts para texto.
- Adicionar legendas a conteúdos de áudio e vídeo.
- Traduzir falas em outros idiomas para texto em inglês.
- Criar recursos de entrada por voz em aplicativos ou ferramentas locais.
Início rápido
- 1
Instale o ffmpeg usando o gerenciador de pacotes do seu sistema (por exemplo, Homebrew no macOS).
brew install ffmpeg - 2
Instale o Whisper pelo PyPI.
pip install -U openai-whisper - 3
Transcreva um arquivo de áudio pela linha de comando.
whisper audio.flac audio.mp3 audio.wav --model turbo
Antes de usar
- O modelo turbo não foi treinado para tradução; use medium ou large para traduzir fala para o inglês.
- O modelo large pode exigir até cerca de 10 GB de VRAM, então modelos maiores precisam de hardware potente.
- A precisão e a velocidade variam bastante conforme o idioma.
Tópicos
Perguntas frequentes
- O que é whisper?
- Modelo de reconhecimento de fala de uso geral que transcreve e traduz áudio e identifica seu idioma em várias línguas. Whisper é um modelo de reconhecimento de fala de código aberto da OpenAI, treinado com um conjunto amplo e diversificado de áudios. Ele lida com reconhecimento de fala multilíngue, tradução de fala para o inglês e identificação do idioma falado em um único modelo Transformer sequence-to-sequence, podendo substituir várias etapas de um pipeline tradicional de processamento de fala.
- whisper é gratuito? Qual é a licença?
- whisper é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- whisper ainda é mantido?
- Atualizado nos últimos 6 meses. O último commit de whisper foi em 31 de ago. de 2026.
- Para que posso usar whisper?
- Transcrever gravações de reuniões, entrevistas ou podcasts para texto. Adicionar legendas a conteúdos de áudio e vídeo. Traduzir falas em outros idiomas para texto em inglês. Criar recursos de entrada por voz em aplicativos ou ferramentas locais.
- Como instalar whisper?
- Instale o ffmpeg usando o gerenciador de pacotes do seu sistema (por exemplo, Homebrew no macOS).: brew install ffmpeg Instale o Whisper pelo PyPI.: pip install -U openai-whisper Transcreva um arquivo de áudio pela linha de comando.: whisper audio.flac audio.mp3 audio.wav --model turbo
- Onde consigo whisper?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/openai/whisper
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Framework para definir modelos de ponta em machine learning para texto, visão, áudio e tarefas multimodais, voltado a inferência e treinamento.
167,9 mil34,9 milPythonApache-2.0Atualizado há 8 horas
Port em C/C++ do modelo de reconhecimento de fala Whisper, da OpenAI, para transcrição rápida e offline em CPU e GPU, sem dependências.
54,5 mil6,3 milC++MITAtualizado ontem
Uma reimplementação mais rápida do modelo de reconhecimento de fala Whisper, da OpenAI, com o mecanismo de inferência CTranslate2, menor uso de memória e quantização de 8 bits.
26 mil2,2 milPythonMITAtualizado há 4 dias
Reconhecimento de fala open source baseado no Whisper, com timestamps por palavra via alinhamento forçado e diarização de falantes opcional.
24,7 mil2,5 milPythonBSD-2-ClauseAtualizado anteontem
Aplicativo desktop que transcreve e traduz áudio e vídeo offline no seu computador, baseado no Whisper da OpenAI.
22,1 mil1,6 milPythonMITAtualizado há 3 dias