Whisper 由 Radford et al.（2022）提出，是一个自动语音识别与翻译模型，基于 68 万小时的多语种音频进行弱监督训练。如此大的规模使它能在零样本条件下泛化到多种语言和场景，无需针对特定任务微调，鲁棒性就已接近人类水平。
Whisper 被广泛用于把语音转换为文字，应用于转写、字幕和语音界面——包括 AI 助手的语音输入。
模型与产品
2026 年更新
Whisper
定义
OpenAI 的语音识别模型，基于规模庞大、种类多样的音频数据训练，能够在多种语言中稳定地转写和翻译语音。
参考文献
本定义所依据的一手文献、同行评审文献和存档资料。
Robust Speech Recognition via Large-Scale Weak Supervision (Whisper)
词典与百科条目
- Wikipedia — Whisper (speech recognition system)
- OpenAI — Introducing Whisper
引用本条目
MultipleChat.《Whisper》. MultipleChat AI 与 LLM 术语表，2026. https://multiple.chat/ai-glossary/whisper