： 通过简单的方式

发布时间：2025-06-24 18:51:17  作者：北方职教升学中心  阅读量：051

：

• 与 Whisper large-v3 与࿰相比c;large-v3-turbo 只使用了 4 解码器层，而 large-v3 使用了 32 解码层。这个优化版的开发已经被开发出来了 Distil-Whisper 启发，后者表明，

  速度比 large-v3 快 8 倍，但是质量几乎没有下降！

  

  Whisper large-v3-turbo 主要功能和特点：

  1. 解码器层数较少。：
     • Turbo 模型专为多语言转录任务微调，不适合翻译任务，因为翻译数据不包括在训练中。使模型在保持相对高精度的同时，处理速度显著提高。

       OpenAI 宣布推出一个名字 large-v3-turbo（简称 turbo）的新 Whisper 模型。

  2. 易于使用和集成。：
     • 最新技术补丁（#2359），turbo 模型在使用 F.scaled_dot_product_attention（缩放点注意力机制#xff09;时，自动语音识别的速度可以进一步提高。使用较小的解码器可以显著提高转录速度，对准确性的影响较小。
  3. 多语言支持。
  4. 通过减少解码层数和启用 torch.compile，推理速度可以提高高达 4.5 倍，进一步提高了模型的效率，非常适合需要低延迟的应用场景。使用较小的解码器层数，该模型提高了实时转录的能力。

这是 Whisper large-v3 优化版本，将解码器层数从大型模型中提取 32 层减少到与 tiny 模型相同的 4 层。开发人员可以 Python 包更新或 Whisper 默认使用命令行工具 turbo 模型，使其在实际应用中更容易集成。：

• 通过简单的方式，：
  • Turbo 模型的语音转录速度比 tiny 更快的模型󿀌是 Whisper 考虑到系列模型中速度和准确性的“最佳选择”。解码器层数较少，
• 优化速度性能。：
  • 支持 99 语音转录，表现出色󿀌与大型数据集兼容，包括 FLEURS 和 Common Voice 数据集，尤其是高质量录音效果更好。
• 跨语言的高效表现。：
  • Turbo 跨语言转录模型的性能和 large-v2 相当，但是一些语言（如泰语和粤语󿼉表现较弱。它在纯语音转录方面的表现更好，但是翻译任务表现不佳。
• 专注于转录任务。

更快的自动语音识别 (ASR)。在一些录音质量较高的数据集（如 FLEURS）上，turbo 优于模型的性能 Common Voice 数据集。