Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

Whisper large-v3-turbo

OpenAI · openai/whisper-large-v3-turbo

Licença dos pesos: MIT · código e componentes podem ter outros termos

Taxa de erro de palavras · Open ASR7,83 %Resultado publicado · revisado em 2026-10-20
Tamanho do repositório publicado1,6 GBTodos os arquivos publicados · não é memória de execução
Parâmetros0,81 Bficha do fabricante
Componentes publicados1Informados na ficha do modelo

Qualidade

Taxa de erro de palavras · Open ASR

0–8% · menor é melhor · este modelo em destaque

Fonte: huggingface/open_asr_leaderboard scripts/data/en_shortform.csv @ 16743c6 (2026-05-22; resultados de 2026-03-26) · coletado 2026-10-20 · Apache-2.0 · modelos sem resultado não aparecem (sem resultado ≠ 0)

Taxa de erro de palavras · Open ASR

Resultado publicado · coletado em 2026-10-20 · huggingface/open_asr_leaderboard scripts/data/en_shortform.csv @ 16743c6 (2026-05-22; resultados de 2026-03-26)

WER · AMI
16,13 %
WER · Earnings-22
11,63 %
WER · GigaSpeech
10,14 %
WER · LibriSpeech clean
2,10 %
WER · LibriSpeech other
4,24 %
WER · SPGISpeech
2,97 %
WER · TED-LIUM
3,57 %
WER · VoxPopuli
11,87 %
RTFx (velocidade na GPU do ranking)
200
Condições do benchmark2026-10-20

Execução do Open ASR Leaderboard com o checkpoint publicado, na GPU do próprio ranking; transcrições e referências normalizadas (no estilo do Whisper) antes da pontuação. Não é variante quantizada nem medição em hardware local.

Inglês, trechos curtos, média simples de 8 conjuntos de teste: AMI, Earnings-22, GigaSpeech, LibriSpeech clean, LibriSpeech other, SPGISpeech, TED-LIUM, VoxPopuli · huggingface/open_asr_leaderboard scripts/data/en_shortform.csv @ 16743c6 (2026-05-22; resultados de 2026-03-26)

Informado pelo publicador

A ficha do publicador não informa resultado de benchmark para este checkpoint (lida em 2026-10-25). não publicado na ficha · lida em 2026-10-25

Qualidade × memória

Sem par qualidade × memória comparável

Modelos de imagem, vídeo e áudio não têm uma escala de qualidade em comum e a memória vem do caminho mínimo documentado pelo publicador, então a qualidade não é comparada com a memória em um gráfico.

Considere para

Considere Whisper large-v3-turbo, de OpenAI, para a tarefa de reconhecimento automático de fala (0,81B de parâmetros).

Confira antes

O catálogo lista o caminho de memória documentado pelo publicador em Roda em e não revisou outras configurações. A memória real depende de precisão, resolução, duração e offload; consulte a fonte oficial.

Roda em

Memória suficiente 71

O publicador documenta um caminho dentro desta memória, nesta plataforma (CUDA ou Apple MPS). Caminhos condicionais exigem offload ou quantização.

Mostrar todos os 71

Falta um degrau de memória 1

As mesmas máquinas com o próximo tamanho de memória teriam o suficiente.

Perfis de hardware agrupados pelo caminho mínimo de memória documentado pelo publicador e pela plataforma. Não é execução medida.

Planejar memória para este modelo

Velocidade medida

Nenhuma medição publicada para este checkpoint

A velocidade (fator de tempo real ou segundos por clipe) só aparece quando uma fonte a publica com hardware, build e configuração. Nunca é estimada.

Como rodar

Caminho de memória documentado pelo publicador: Tabela oficial do README, linha turbo: ~6 GB de VRAM (o README descreve o turbo como versão otimizada do large-v3). A memória real depende de precisão, resolução, duração e offload; consulte a fonte oficial. Evidência oficial de hardware

Formas documentadas de rodar

Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.

Preparação indicada antes pela fonte · Transformers
pip install --upgrade pip
pip install --upgrade transformers datasets[audio] accelerate
Transformers · ficha do modelo · Usage
import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
from datasets import load_dataset


device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32

model_id = "openai/whisper-large-v3-turbo"

model = AutoModelForSpeechSeq2Seq.from_pretrained(
    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
)
model.to(device)

processor = AutoProcessor.from_pretrained(model_id)

pipe = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    torch_dtype=torch_dtype,
    device=device,
)

dataset = load_dataset("distil-whisper/librispeech_long", "clean", split="validation")
sample = dataset[0]["audio"]

result = pipe(sample)
print(result["text"])
Preparação indicada antes pela fonte · Transformers
pip install --upgrade pip
pip install --upgrade transformers datasets[audio] accelerate
Transformers · ficha do modelo · Usage
import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor
from datasets import Audio, load_dataset


device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32

model_id = "openai/whisper-large-v3-turbo"

model = AutoModelForSpeechSeq2Seq.from_pretrained(
    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True
)
model.to(device)

processor = AutoProcessor.from_pretrained(model_id)

dataset = load_dataset("hf-internal-testing/librispeech_asr_dummy", "clean", split="validation")
dataset = dataset.cast_column("audio", Audio(processor.feature_extractor.sampling_rate))
sample = dataset[0]["audio"]

inputs = processor(
    sample["array"],
    sampling_rate=sample["sampling_rate"],
    return_tensors="pt",
    truncation=False,
    padding="longest",
    return_attention_mask=True,
)
inputs = inputs.to(device, dtype=torch_dtype)

gen_kwargs = {
    "max_new_tokens": 448,
    "num_beams": 1,
    "condition_on_prev_tokens": False,
    "compression_ratio_threshold": 1.35,  # zlib compression ratio threshold (in token space)
    "temperature": (0.0, 0.2, 0.4, 0.6, 0.8, 1.0),
    "logprob_threshold": -1.0,
    "no_speech_threshold": 0.6,
    "return_timestamps": True,
}

pred_ids = model.generate(**inputs, **gen_kwargs)
pred_text = processor.batch_decode(pred_ids, skip_special_tokens=True, decode_with_timestamps=False)

print(pred_text)
Preparação indicada antes pela fonte · Transformers
pip install --upgrade pip
pip install --upgrade transformers datasets[audio] accelerate
Transformers · ficha do modelo · Chunked Long-Form
import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
from datasets import load_dataset


device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32

model_id = "openai/whisper-large-v3-turbo"

model = AutoModelForSpeechSeq2Seq.from_pretrained(
    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True
)
model.to(device)

processor = AutoProcessor.from_pretrained(model_id)

pipe = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    chunk_length_s=30,
    batch_size=16,  # batch size for inference - set based on your device
    torch_dtype=torch_dtype,
    device=device,
)

dataset = load_dataset("distil-whisper/librispeech_long", "clean", split="validation")
sample = dataset[0]["audio"]

result = pipe(sample)
print(result["text"])

Nível da evidência: Documentação do publicador vinculada; nenhuma execução reproduzida por este site.

Antes de baixar
  1. Confirme o checkpoint exato e a licença vinculada aqui.
  2. Confirme runtime e precisão ou quantização compatíveis com sua plataforma.
  3. Reserve memória para contexto, lote e eventuais componentes de mídia além dos pesos.

Detalhes técnicos

O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.

Checkpoint / versão
openai/whisper-large-v3-turbo
Tarefa e modalidade
reconhecimento automático de fala · áudio
Contagem e base
0,81B · ficha do fabricante
Lançamento
openai/whisper commit history (GitHub API), commit "large-v3-turbo model (#2361)" · consultado em 2026-10-09fonte
Tamanho do repositório publicado
1,6 GBNão é memória de execução nem download mínimo.arquivos
Componentes publicados
Whisper ASR checkpoint
Runtime e precisão
Nenhuma execução local verificada.
Uso comercial
Permitido MIT license text (SPDX) · consultado em 2026-10-18texto da licença
Todos os campos guardados10 campos
Revisão conferida
41f01f3fe87f28c78e2fbf8b568835947dd65ed9
Arquitetura
WhisperForConditionalGeneration
Biblioteca
transformers
Tag de tarefa no Hub
automatic-speech-recognition
Formatos
safetensors
Repositório criado
2024-10-01criação não é o lançamento do modelo
Repositório atualizado
2024-10-04um commit não é data de lançamento
Downloads no Hub (30 dias) · curtidas
5.815.543 · 3.477só este repositório · lido em 2026-10-25
Lido na página do Hub
tarefa, classe transformers, tags de tarefa, formatos de arquivoVisão geral e lista de arquivos do Hub · lido em 2026-10-18
Estado no catálogo
Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário

A OpenAI descreve turbo como uma variante otimizada de large-v3 para transcrição; este catálogo não afirma velocidade local nem requisito de memória.

Fontes

Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.

Catálogo revisado: 2026-09-30. Benchmark revisado: 2026-10-20.