
透過大規模弱監督實現的穩健語音辨識。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
110,000
±0 (10月13日〜)
最後提交
2026年8月
GitHub 建立日期
2022年9月16日
收錄日
—
自頁面建立時收錄
Star 數變化
以表格顯示
| 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 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
在 PyPI 上的使用
PyPI 套件:openai-whisper · 至 2026年10月 的每月數值(ClickPy)
近一年下載數
35,117,353
來自日本的比例(近一年)
1.3%
依賴它的 PyPI 套件
486
其中必要依賴 326
PyPI 每月下載數
以表格顯示
| 月份 | 下載數(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 |
同分類的熱門資源
NeMo SpeechNVIDIA-NeMo19k為從事大型語言模型、多模態與語音 AI(自動語音辨識與文字轉語音)研究和開發的人員打造的可擴充生成式 AI 框架。
whisper.cppggml-org54kOpenAI Whisper 模型的 C/C++ 移植版。
faster-whisperSYSTRAN26k基於 CTranslate2 的更快 Whisper 轉寫。
whisperXm-bain24kWhisperX:具備詞級時間戳(及說話者分離)的自動語音辨識。
FunASRmodelscope21k支援訓練、推論、串流語音辨識、VAD、標點、說話者分離管線以及相容 OpenAI/MCP 服務的開源語音辨識工具包。
kaldikaldi-asr15kkaldi-asr/kaldi 是 Kaldi 專案的官方所在地。
研究領域相近的資源
- Qwen3-ASR-1.7B-JA-Anime-Galgamejaykwok5k完整微調的 1.7B Qwen3-ASR 檢查點,用於日語 galgame、視覺小說和動漫風格語音辨識,訓練於 Galgame_Speech_ASR 資料集,並提供推論權重與訓練恢復檔以支援領域調整及字幕生成工作流程。HF 模型共同: 語音辨識・影像與多模態
- Namo-Turn-Detector-v1-Japanesevideosdk-live2k一個基於 DistilBERT、已量化的 ONNX 模型,能以 93.5% 的準確率偵測日語說話輪次,延遲 <14 ms,可即時整合至 Python、ONNX Runtime 或 VideoSDK。HF 模型共同: 語音辨識・影像與多模態
- wav2vec2-large-xlsr-53-japanesejonatasgrosman16M日語 wav2vec‑2 XLSR‑53 在 Common Voice 6.1、CSS10 與 JSUT 上微調,需要 16 kHz 音訊,並可透過 HuggingSound 或 HuggingFace pipelines 使用。HF 模型共同: 語音辨識
transformershuggingface167k🤗 Transformers:面向文字、視覺、音訊及多模態領域最先進機器學習模型的模型定義框架,同時支援推論與訓練。共同: 影像與多模態
vosk-apialphacep15k面向 Android、iOS、Raspberry Pi 及伺服器的離線語音辨識 API,支援 Python、Java、C# 和 Node。共同: 語音辨識- wav2vec2-large-xlsr-japanese-hiraganavumichien153k一個經由 facebook/wav2vec2‑large‑xlsr‑53 在 Common Voice 與 JSUT corpus 微調的日語語音辨識模型,已優化為 16 kHz 音訊輸入。HF 模型共同: 語音辨識