Whisper模型版本及下載鏈接

Whisper是OpenAI開發的語音識別模型，以下按模型規模從小到大排列，包含不同語言版本及通用版本：

1. Tiny系列（輕量級）

• tiny.en.pt（英文專用）：
  https://openaipublic.azureedge.net/main/whisper/models/d3dd57d32accea0b295c96e26691aa14d8822fac7d9d27d5dc00b4ca2826dd03/tiny.en.pt
• tiny.pt（多語言通用）：
  https://openaipublic.azureedge.net/main/whisper/models/65147644a518d12f04e32d6f3b26facc3f8dd46e5390956a9424a650c0ce22b9/tiny.pt

2. Base系列（基礎版）

• base.en.pt（英文專用）：
  https://openaipublic.azureedge.net/main/whisper/models/25a8566e1d0c1e2231d1c762132cd20e0f96a85d16145c3a00adf5d1ac670ead/base.en.pt
• base.pt（多語言通用）：
  https://openaipublic.azureedge.net/main/whisper/models/ed3a0b6b1c0edf879ad9b11b1af5a0e6ab5db9205f891f668f8b0e6c6326e34e/base.pt

3. Small系列（小型）

• small.en.pt（英文專用）：
  https://openaipublic.azureedge.net/main/whisper/models/f953ad0fd29cacd07d5a9eda5624af0f6bcf2258be67c92b79389873d91e0872/small.en.pt
• small.pt（多語言通用）：
  https://openaipublic.azureedge.net/main/whisper/models/9ecf779972d90ba49c06d968637d720dd632c55bbf19d441fb42bf17a411e794/small.pt

4. Medium系列（中型）

• medium.en.pt（英文專用）：
  https://openaipublic.azureedge.net/main/whisper/models/d7440d1dc186f76616474e0ff0b3b6b879abc9d1a4926b7adfa41db2d497ab4f/medium.en.pt
• medium.pt（多語言通用）：
  https://openaipublic.azureedge.net/main/whisper/models/345ae4da62f9b3d59415adc60127b97c714f32e89e936602e85993674d08dcb1/medium.pt

5. Large系列（大型）

• large-v1.pt（v1版本）：
  https://openaipublic.azureedge.net/main/whisper/models/e4b87e7e0bf463eb8e6956e646f1e277e901512310def2c24bf0e11bd3c28e9a/large-v1.pt
• large-v2.pt（v2版本）：
  https://openaipublic.azureedge.net/main/whisper/models/81f7c96c852ee8fc832187b0132e569d6c3065a3252ed18e56effd0b6a73e524/large-v2.pt
• large-v3.pt（v3版本）：
  https://openaipublic.azureedge.net/main/whisper/models/e5b1a55b89c1367dacf97e3e19bfd829a01529dbfdeefa8caeb59b3f1b81dadb/large-v3.pt
• large.pt（默認指向v3版本）：
  https://openaipublic.azureedge.net/main/whisper/models/e5b1a55b89c1367dacf97e3e19bfd829a01529dbfdeefa8caeb59b3f1b81dadb/large-v3.pt

模型選擇建議

• 輕量級部署（如移動設備、邊緣計算）：選擇 tiny 或 base 系列，模型體積小，推理速度快，但識別精度相對較低。
• 平衡精度與性能：small 或 medium 系列適合常規場景（如音頻轉文字、實時字幕），多語言支持較好。
• 高精度需求（如專業音頻處理）：large 系列（尤其是v3版本）性能最強，支持更多語言和復雜場景，但對計算資源要求高。
• 僅處理英文內容：優先選擇帶 .en 后綴的模型，針對性優化后精度更高。