Интересный факт: открытую модель распознавания речи Whisper от OpenAI обучали на 680 000 часах аудио. Если слушать такой архив без остановки, он закончится примерно через 78 лет.
Разобрали принцип работы модели: как она превращает звук в текст, откуда берутся таймкоды, и почему появляются фразы, которых не было в записи. А еще собрали полный гайд по консольной версии с форматами вывода, таймкодами и подсказками для редких терминов. Все подробности в статье на Хабре.
Пользуетесь такими сервисами?
⚡️ — да, нужно для некоторых задач
👀 — неа, пока не приходилось