模型库/音频处理/Whisper

音频处理支持一键部署AUDIO / VOICE

Whisper

whisper•GPU Cloud Template

OpenAI 开源语音识别模型，支持多语言

语音识别多语言OpenAI

一键部署查看使用示例

准备好开始构建？

模板已预置运行环境、常用依赖和默认端口，选择 GPU 后即可启动服务。

立即部署

运行模式按需 GPU 实例

环境准备预装依赖

访问端口9000

About this template

模板概览

Whisper 是 OpenAI 开源的自动语音识别（ASR）系统，经过 68 万小时多语言数据训练。它提供了卓越的识别准确度，支持 99 种语言的转录和翻译，适合字幕生成、会议记录等场景。

支持 99 种语言识别

自动语言检测

语音翻译成英文

标点和大小写还原

多种模型大小选择

时间戳和单词级对齐

Model parameters

模型参数

以下是该模板推荐的默认配置，可以根据实例规格和应用场景继续调整。

输入格式

WAV / MP3 / M4A

PRESET 01

采样率

16 kHz

PRESET 02

语言

99 种

PRESET 03

模型规模

large-v3

PRESET 04

时间戳

支持

PRESET 05

推荐显存

8 GB 起

PRESET 06

Supported functionality

能力支持

不同类型的模型拥有各自专用的输入输出方式，部署后可通过统一的服务地址进行访问。

输入能力

音频视频

输出能力

文本SRT / VTT

部署包含：GPU 加速流式响应健康检查日志监控

API usage

快速开始

部署完成后，可使用默认端口调用 Whisper 服务。

AUDIO / VOICE

快速开始

curl

curl http://localhost:9000/transcribe \
  -F 'file=@audio.mp3' \
  -F 'response_format=verbose_json'

部署完成后的本地服务地址http://localhost:9000

Runtime configuration

运行配置

镜像中的软件版本、端口和硬件建议会随模板一起提供，减少首次部署的准备工作。

软件版本

whisperlarge-v3

python3.10

cuda12.1

资源与网络

Whisper

准备好开始构建？

模板概览

模型参数

能力支持

快速开始

运行配置

更多同类模板

Bark

ChatTTS