Распознаём речь оффлайн с помощью нейросети Whisper на видеокарте NVIDIA P106-100 с 6 GB VRAM

Изучаем, как работает одна из лучших бесплатных оффлайн нейросетевых моделей Whisper (в исполнении Faster Whisper XXL for Windows) для задачи распознавания речи и генерации субтитров для видеороликов. Модель так же позволяет сразу распознанный текст переводить на английский, если необходимо. Размер дистриба: около 1 ГБ, потребление видеопамяти: около 2ГБ, скорость распознавания: от 3 до 5 крат.