Whisper d'OpenAI est un modèle de pointe basé sur Transformer qui excelle dans plusieurs tâches de traitement de la parole, y compris la reconnaissance vocale multilingue, la traduction de la parole et l'identification de la langue parlée. En tirant parti d'un vaste et varié ensemble de données d'entraînement, Whisper offre des performances impressionnantes même dans des scénarios zéro-shot, ce qui signifie qu'il peut comprendre et traduire des langues sans réglage spécifique. Le modèle traite l'audio d'entrée en le convertissant en spectrogrammes log-Mel qui sont ensuite analysés pour prédire des légendes textuelles. Avec des applications allant de l'accessibilité à la création de contenu, Whisper est polyvalent et robuste, capable de gérer le bruit de fond, les différents accents et le jargon technique avec aisance.