Whisper large-v3-turbo

Whisper large-v3-turbo — модель распознавания речи на 809 миллионов параметров. Это урезанная версия Whisper large-v3: число слоёв декодера сокращено с 32 до 4, поэтому она заметно быстрее ценой небольшой потери качества (слова авторов). Семейство Whisper обучено более чем на 5 миллионах часов размеченного звука. По карточке модели, она распознаёт речь на 99 языках, сама определяет язык, расшифровывает записи любой длины и выдаёт метки времени по фразам и по словам. Её можно дообучать, она поддерживается в Hugging Face Transformers и в консольной утилите авторов. В репозитории авторов для turbo указано около 6 ГБ видеопамяти и отмечено, что модель не обучена переводу: чтобы переводить речь на английский, берите более крупные модели Whisper. Разделения по говорящим и потокового режима в карточке нет. На Open ASR Leaderboard (английская короткая речь, девять тестовых наборов, проверено 20.10.2026) средняя доля ошибок в словах 8,39% — выше, чем у большинства более новых моделей нашего списка, и это самая старая из них (выпущена 01.10.2024). Веса лежат в открытом доступе, без подтверждения условий, под лицензией MIT, она разрешает коммерческое использование. Код и инструкции — в репозитории авторов на GitHub. Дата проверки: 20.10.2026.