Whisper large-v3-turbo
在 large-v3 基础上把解码层从 32 层剪到 4 层的快速多语种转写型号。
最后核实：
https://huggingface.co/openai/whisper-large-v3-turbo特点与限制
主要特点
- 约809M参数
- 解码层由large-v3的32层减至4层
- 多语言转写，并可设置task="translate"执行翻译到英语
- 支持时间戳预测与长音频分块处理
使用边界
- 30秒音频窗口不是token上下文，长音频需按官方分块流程处理。
- 剪层带来速度提升，官方说明存在少量质量损失；不能把large-v3的成绩套用到此型号。
- 官方模型卡未单独报告该型号的WER或CER数值，本页不引用无法核对的数字。
- 弱监督训练使模型可能输出音频中未出现的文本，并可能出现重复输出，低资源语言更明显。
模型信息
- 家族与版本
- Whisper / large-v3-turbo
- 输入与输出
- 音频 → 文本
- 公开参数规模
- 0.809B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方模型卡参数表列large-v3-turbo为809M；HF权重元数据safetensors张量参数和为808,878,080。不是权重文件体积。 参数来源
- 原生上下文
- 不适用
- 扩展上下文
- 不适用
- 语言声明
- 多语言（HF模型卡列出99种语言标识，含中文）；语言支持不代表对应语言的评测水平。
- 权重许可
- MIT
- 代码许可
- MIT
- 训练资料
- 模型卡说明Whisper以超过500万小时弱标注音频训练；该型号由large-v3剪减解码层后微调而来。未提供完整逐样本可复核的训练语料清单。
能力依据
模型变体：专用版；家族与版本：Whisper / large-v3-turbo
语音识别
暂无可靠公开成绩
查看评估与来源收起补充信息
语音识别
暂无可靠公开成绩
本轮未找到许可明确、评测协议公开且可确认评测者独立的Whisper large-v3-turbo转写成绩，暂不据large-v3的论文数值或社区汇总推断该型号的识别效果。
已有依据支持
- 官方模型卡给出参数量、剪层结构与Transformers使用流程，型号身份与部署路线明确。
- 官方说明该型号由large-v3剪减解码层后微调，速度与质量的取舍关系在来源中有交代。
证据限制
- 模型卡未单独报告该型号的WER或CER，OpenAI论文的数据对应其他Whisper档位，不能直接套用。
- 剪层后翻译与转写能力与large-v3并不等同，官方未给出可对齐的对照数值。
- 未找到许可明确且确认为独立方的同型号同条件复测。
- 本站未在自有音频上验证识别准确率、时间戳或长音频分块效果。
暂无该用途的公开评测成绩；不能从其他用途或缺失值推断能力。
运行条件与获取
Transformers
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；内存、显存和速度取决于精度、批大小、音频长度、运行时与硬件，不将参数量或文件大小换算为资源保证。
内存：未核实；显存：未核实。
依赖：transformers、torch、datasets[audio]（官方示例用于载入样例音频）、accelerate。
STEP 01 安装 Python 依赖
官方模型卡Usage章节给出的安装命令，本站未执行该命令。
python -m pip install --upgrade transformers datasets[audio] accelerateSTEP 02 加载指定模型
按同页示例用AutoModelForSpeechSeq2Seq与pipeline加载此模型转写音频；长音频使用官方chunked long-form流程。本站未下载权重或执行模型，需在目标设备验证。