distil-whisper

收录理由

Distil-Whisper 直击 OpenAI Whisper 最常被诟病的痛点：模型太重、推理太慢，难以支撑大规模或实时转写。蒸馏后的检查点在分布外数据集上，词错误率与 Whisper large-v3 仅差约 1%，但运行速度快了约六倍，模型体积也缩小一半，性能提升是实打实的，不是纸面数字。使用时走 Hugging Face Transformers 标准的自动语音识别流程，跟用原版模型没有区别，README 里也给出了短视频片段、本地音频文件、时间戳和 beam search 的完整示例。如果内存吃紧，distil-small.en 变体把参数量压到 1.66 亿，精度损失不大，很适合端侧或移动场景。需要留意的是，这些检查点只支持英文，做多语种识别的团队还是得看 Whisper Turbo。