
通过大规模弱监督实现的鲁棒语音识别。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
110,000
±0 (10月13日〜)
最后提交
2026年8月
GitHub 创建日期
2022年9月16日
收录日
—
自页面创建时收录
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | 110,000 |
| 2026年10月 | 110,000 |
| 2026年11月 | 110,000 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
在 PyPI 上的使用
PyPI 包:openai-whisper · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
35,117,353
来自日本的比例(近一年)
1.3%
依赖它的 PyPI 包
486
其中必需依赖 326
PyPI 月度下载量
以表格显示
| 月份 | 下载量(月) |
|---|---|
| 2019年1月 | — |
| 2019年2月 | — |
| 2019年3月 | — |
| 2019年4月 | — |
| 2019年5月 | — |
| 2019年6月 | — |
| 2019年7月 | — |
| 2019年8月 | — |
| 2019年9月 | — |
| 2019年10月 | — |
| 2019年11月 | — |
| 2019年12月 | — |
| 2020年1月 | — |
| 2020年2月 | — |
| 2020年3月 | — |
| 2020年4月 | — |
| 2020年5月 | — |
| 2020年6月 | — |
| 2020年7月 | — |
| 2020年8月 | — |
| 2020年9月 | — |
| 2020年10月 | — |
| 2020年11月 | — |
| 2020年12月 | — |
| 2021年1月 | — |
| 2021年2月 | — |
| 2021年3月 | — |
| 2021年4月 | — |
| 2021年5月 | — |
| 2021年6月 | — |
| 2021年7月 | — |
| 2021年8月 | — |
| 2021年9月 | — |
| 2021年10月 | — |
| 2021年11月 | — |
| 2021年12月 | — |
| 2022年1月 | — |
| 2022年2月 | — |
| 2022年3月 | — |
| 2022年4月 | — |
| 2022年5月 | — |
| 2022年6月 | — |
| 2022年7月 | — |
| 2022年8月 | — |
| 2022年9月 | — |
| 2022年10月 | — |
| 2022年11月 | — |
| 2022年12月 | — |
| 2023年1月 | 16,348 |
| 2023年2月 | 42,260 |
| 2023年3月 | 116,223 |
| 2023年4月 | 190,990 |
| 2023年5月 | 167,422 |
| 2023年6月 | 148,801 |
| 2023年7月 | 166,233 |
| 2023年8月 | 177,752 |
| 2023年9月 | 229,832 |
| 2023年10月 | 235,745 |
| 2023年11月 | 213,657 |
| 2023年12月 | 234,763 |
| 2024年1月 | 273,889 |
| 2024年2月 | 306,035 |
| 2024年3月 | 263,804 |
| 2024年4月 | 338,190 |
| 2024年5月 | 309,961 |
| 2024年6月 | 280,851 |
| 2024年7月 | 302,445 |
| 2024年8月 | 358,341 |
| 2024年9月 | 424,427 |
| 2024年10月 | 472,255 |
| 2024年11月 | 451,240 |
| 2024年12月 | 449,557 |
| 2025年1月 | 564,867 |
| 2025年2月 | 459,131 |
| 2025年3月 | 774,939 |
| 2025年4月 | 767,705 |
| 2025年5月 | 783,849 |
| 2025年6月 | 762,717 |
| 2025年7月 | 960,169 |
| 2025年8月 | 1,123,047 |
| 2025年9月 | 1,193,974 |
| 2025年10月 | 1,301,489 |
| 2025年11月 | 944,930 |
| 2025年12月 | 1,027,864 |
| 2026年1月 | 1,222,794 |
| 2026年2月 | 1,456,349 |
| 2026年3月 | 1,940,466 |
| 2026年4月 | 2,237,863 |
| 2026年5月 | 2,497,836 |
| 2026年6月 | 2,710,587 |
| 2026年7月 | 4,241,268 |
| 2026年8月 | 4,976,143 |
| 2026年9月 | 5,243,707 |
| 2026年10月 | 6,617,546 |
同分类的热门资源
NeMo SpeechNVIDIA-NeMo19k为从事大语言模型、多模态与语音 AI(自动语音识别与文字转语音)研究和开发的人员打造的可扩展生成式 AI 框架。
whisper.cppggml-org54kOpenAI Whisper 模型的 C/C++ 移植版。
faster-whisperSYSTRAN26k基于 CTranslate2 的更快 Whisper 转写。
whisperXm-bain24kWhisperX:具备词级时间戳(及说话人分离)的自动语音识别。
FunASRmodelscope21k支持训练、推理、流式语音识别、VAD、标点、说话人分离流水线以及兼容 OpenAI/MCP 服务的开源语音识别工具包。
kaldikaldi-asr15kkaldi-asr/kaldi 是 Kaldi 项目的官方所在地。
研究领域相近的资源
- Qwen3-ASR-1.7B-JA-Anime-Galgamejaykwok5k一份完全微调的 1.7B Qwen3-ASR 检查点,适用于日语 galgame、视觉小说和动漫风格语音识别,使用 Galgame_Speech_ASR 数据集训练,并提供推理权重及训练恢复文件,用于域适配和字幕生成工作流程。HF 模型共同: 语音识别・图像与多模态
- Namo-Turn-Detector-v1-Japanesevideosdk-live2k基于 DistilBERT 的量化 ONNX 模型,能够以 93.5 % 的准确率检测日语发言转折,并且延迟低于 14 ms,已准备好供 Python、ONNX Runtime 或 VideoSDK 集成使用。HF 模型共同: 语音识别・图像与多模态
- wav2vec2-large-xlsr-53-japanesejonatasgrosman16MJapanese wav2vec‑2 XLSR‑53 在 Common Voice 6.1、CSS10 与 JSUT 上微调,需 16 kHz 音频,并可通过 HuggingSound 或 HuggingFace 管道使用。HF 模型共同: 语音识别
transformershuggingface167k🤗 Transformers:面向文本、视觉、音频及多模态领域最先进机器学习模型的模型定义框架,同时支持推理与训练。共同: 图像与多模态
vosk-apialphacep15k面向 Android、iOS、Raspberry Pi 及服务器的离线语音识别 API,支持 Python、Java、C# 和 Node。共同: 语音识别- wav2vec2-large-xlsr-japanese-hiraganavumichien153k一个由 facebook/wav2vec2‑large‑xlsr‑53 在 Common Voice 和 JSUT corpus 上微调的日本语音识别模型,针对 16 kHz 音频输入进行了优化。HF 模型共同: 语音识别