Whisper openai/whisper

能干什么

大规模弱监督训练出来的语音识别模型族（tiny / base / small / medium / large / turbo）：丢一段音频进去，出来就是文字。特点是抗噪、跨语言、能标时间戳，turbo 档又快又准。它不占多少显存（large 也就 2G 量级，小档几百 MB），是「本地多模态」里最轻的一块——本地语音助手、会议转写、字幕生成都用它。

怎么干

• pip install -U openai-whisper（或装 faster-whisper 提速版）
• whisper audio.mp3 --model turbo 出文本
• 要 API 就起本地服务，或接进你的应用当转写后端

本站怎么用

本站主战场是「大模型吃显存」，Whisper 正好是反面教材——多模态里最省显存的一环，专门给读者一个「本地语音不贵」的参照。本地语音助手链（转写 Whisper → 对话 本地 LLM → 合成 TTS）里它是固定一环。

显存口径

显存很轻：tiny/base 几百 MB、small 约 1G、large/turbo 约 2G，CPU 也能跑（慢一些）。不占 /capacity/ 的主模型显存档，两者可共存。