O que openscience faz?
Modelo de reconhecimento de fala de propósito geral da OpenAI. Suporta 99 idiomas, transcrição, tradução para inglês e identificação de idiomas. Seis tamanhos de modelo, desde tiny (39M parâmetros) até large (1550M parâmetros). Use para conversão de fala em texto, transcrição de podcasts ou processamento de áudio multilíngue. Melhor para ASR robusto e multilíngue.
Recursos
- Suporte a 99 idiomas
- Transcrição precisa
- Tradução para inglês
- Identificação automática de idioma
- Seis tamanhos de modelo:
tiny,base,small,medium,large,large-v2
Como usar
Transcrição
whisper audio.mp3 --model base
Tradução
whisper audio.mp3 --task translate --model medium
Identificação de idioma
whisper audio.mp3 --language detect --model small
Parâmetros
| Parâmetro | Descrição |
|---|---|
--model | Tamanho do modelo (tiny, base, small, medium, large, large-v2) |
--task | Tarefa: transcribe (padrão) ou translate |
--language | Código do idioma (ex.: pt, en, es) ou 'detect' |
--device | Dispositivo: cpu ou cuda |
Compatibilidade
- OpenAI API
- Modelos locais via Whisker
- Python 3.8+
Exemplo de código
import whisper
model = whisper.load_model("base")
result = model.transcribe("audio.mp3", language="pt")
print(result["text"])