---

license: apache-2.0

language:

• af
• am
• ar
• as
• az
• ba
• be
• bg
• bn
• bo
• br
• bs
• ca
• cs
• cy
• da
• de
• el
• en
• es
• et
• eu
• fa
• fi
• fo
• fr
• gl
• gu
• haw
• ha
• he
• hi
• hr
• ht
• hu
• hy
• id
• is
• it
• ja
• jw
• ka
• kk
• km
• kn
• ko
• la
• lb
• ln
• lo
• lt
• lv
• mg
• mi
• mk
• ml
• mn
• mr
• ms
• mt
• my
• ne
• nl
• nn
• no
• oc
• pa
• pl
• ps
• pt
• ro
• ru
• sa
• sd
• si
• sk
• sl
• sn
• so
• sq
• sr
• su
• sv
• sw
• ta
• te
• tg
• th
• tk
• tl
• tr
• tt
• uk
• ur
• uz
• vi
• yi
• yo
• yue
• zh

tags:

• asr
• automatic-speech-recognition
• openai
• whisper
• gguf
• multilingual
• speech-to-text

base_model:

• openai/whisper-large-v3-turbo

---

Whisper Large v3 Turbo GGUF

OpenAI Whisper Large v3 的 Turbo 加速版本，支持100种语言的多语言语音识别标杆模型。

模型简介

Whisper Large v3 Turbo 是 OpenAI 推出的高效多语言语音识别模型：

• 基础版本：Whisper Large v3
• 优化类型：Turbo（速度优化版）
• 语言支持：100种语言，覆盖全球绝大多数语种
• 量化格式：GGUF (llama.cpp 兼容)
• 特点：多语言支持、高准确率、速度快于原版
• 适用场景：多语言转写、字幕生成、语音翻译

支持语言 (100种)

Whisper 支持的语言覆盖全球各大洲：

亚太语言

中文、粤语、日语、韩语、泰语、越南语、印尼语、马来语、菲律宾语、缅甸语、高棉语、老挝语、印地语、孟加拉语、乌尔都语、旁遮普语、古吉拉特语、泰卢固语、泰米尔语、卡纳达语、马拉雅拉姆语、僧伽罗语、尼泊尔语、藏语

欧洲语言

英语、德语、法语、西班牙语、葡萄牙语、意大利语、荷兰语、波兰语、俄语、乌克兰语、捷克语、斯洛伐克语、匈牙利语、罗马尼亚语、保加利亚语、塞尔维亚语、克罗地亚语、斯洛文尼亚语、希腊语、瑞典语、丹麦语、挪威语、芬兰语、爱尔兰语、威尔士语、巴斯克语、加泰罗尼亚语

中东和非洲语言

阿拉伯语、波斯语、土耳其语、希伯来语、阿姆哈拉语、斯瓦希里语、豪萨语、约鲁巴语、祖鲁语、南非荷兰语

其他语言

爪哇语、巽他语、阿塞拜疆语、哈萨克语、吉尔吉斯语、乌兹别克语、塔吉克语、土库曼语、格鲁吉亚语、亚美尼亚语

可用量化版本

| 文件名 | 量化类型 | 文件大小 | 说明 |

|--------|----------|----------|------|

| whisper-large-v3-turbo-Q4_K_M.gguf | Q4_K_M | ~最小 | 推荐日常使用 |

| whisper-large-v3-turbo-Q5_K_M.gguf | Q5_K_M | ~小 | 平衡精度 |

| whisper-large-v3-turbo-Q6_K.gguf | Q6_K | ~中 | 更高精度 |

| whisper-large-v3-turbo-Q8_0.gguf | Q8_0 | ~中高 | 最高量化精度 |

> 注意：F16 版本已排除，推荐使用量化版本。

使用方法

llama.cpp 命令行

# 基础转写
./main -m whisper-large-v3-turbo-Q4_K_M.gguf -f audio.wav --output-txt

# 指定语言
./main -m whisper-large-v3-turbo-Q4_K_M.gguf -f audio.wav --language zh --output-txt

Python (llama-cpp-python)

from llama_cpp import Llama

llm = Llama(
    model_path="whisper-large-v3-turbo-Q4_K_M.gguf",
    n_gpu_layers=-1,
)

# 自动检测语言
result = llm.transcribe("audio.wav")
print(f"检测语言: {result['language']}")
print(f"转写文本: {result['text']}")

# 指定中文
result = llm.transcribe("audio.wav", language="zh")

whisper.cpp 风格

whisper-cpp -m whisper-large-v3-turbo-Q4_K_M.gguf -f audio.mp3 --output-srt

模型特点

多语言支持

支持 99+ 种语言，包括但不限于：

| 语言 | 代码 | 性能 |

|------|------|------|

| 中文 | zh | 优秀 |

| 英语 | en | 优秀 |

| 日语 | ja | 优秀 |

| 韩语 | ko | 优秀 |

| 德语 | de | 优秀 |

| 法语 | fr | 优秀 |

| 西班牙语 | es | 优秀 |

| 俄语 | ru | 良好 |

Turbo 优化

相比原始 Whisper Large v3：

• 速度提升：约 2-3 倍
• 精度保持：轻微下降但可接受
• 内存优化：更好的内存效率

性能基准

| 测试集 | WER (英文) |

|--------|------------|

| LibriSpeech test-clean | ~2-3% |

| LibriSpeech test-other | ~5-6% |

技术规格

• 架构：基于 Transformer 的编码器-解码器
• 采样率：16kHz
• 最大音频长度：30秒片段（可拼接处理长音频）
• 支持格式：WAV、MP3、FLAC 等

许可证

MIT License

致谢

• 原始模型：openai/whisper-large-v3-turbo
• GGUF转换：由 voconly 团队完成