定义
Whisper 是 OpenAI 发布的语音识别模型与开源实现，官方 README 将其描述为通用语音识别模型（general-purpose speech recognition model），可执行多语言语音识别、语音翻译与语言识别等任务；代码与模型权重以 MIT 许可在 GitHub 官方仓库公开。
工作方式
它是一个基于 Transformer 的序列到序列模型，把多语言识别、语音翻译、语言识别与语音活动检测等任务统一表示为待预测的 token 序列。官方仓库提供六个尺寸的模型（其中四个有英文专用版本），另有一个在 large-v3 基础上优化的 turbo 版本，尺寸对应速度与精度的取舍；按 README 通过 pip install -U openai-whisper 安装并配合 ffmpeg 即可在本机运行。
使用场景
为音频文件生成文字转写是主要用法，也可把非英语语音翻译成英语；由于模型与权重开源，常被用于本地转写、字幕整理与语音数据处理的自动化流程。注意官方 README 写明 turbo 模型不用于翻译任务，翻译需选用其他多语言模型。
易混概念
Whisper 是模型与命令行实现，不是面向最终用户的图形应用；很多转写软件和浏览器插件在内部调用 Whisper 或其衍生版本，实际效果取决于集成方式。它与 OpenAI 平台的托管语音转写接口是两种使用方式，后者入口见 Audio API 文档。
节目中的讨论
在 Weekly #007 的“更大胆的任务：播客转写、Slack 与微信整理”章节中，橘子介绍了一个本地转写播客字幕的浏览器插件，向阳乔木追问用的是哪个模型，提到“Qwen 0.6B 还有 Whisper”，橘子表示转写效果不错。参见对应章节。
常见问题
Whisper 可以在本地跑吗？
可以。按官方 README，用 pip install -U openai-whisper 安装并装好 ffmpeg 后即可在本机运行转写，模型文件按所选尺寸下载。
Whisper 支持翻译吗？
支持把非英语语音翻译成英语，但官方写明 turbo 模型不用于翻译任务，需选用 tiny 到 large 等多语言模型。
Whisper 有官方 API 吗？
OpenAI 平台设有语音转写相关的 Audio API 文档，与开源模型是两种使用方式。