对 Whisper 编码器剪枝 6 层，无需标注数据蒸馏恢复精度

论文提出一种对 OpenAI Whisper 编码器做层剪枝的方法：按 leave-one-layer-out 方式计算每层移除后的词错率（WER）变化，删掉影响最小的 6 层，占编码器层数的 18.5%。剪枝后的模型只是更浅的编码器，不需要任何自定义推理代码。再用无标注单语语音数据做蒸馏恢复精度，四语种平均 WER 从零样本的 21.9% 降到 20.1%，基线为 18.2%。代码和剪枝后的 whisper-large-v3-turbo-encoder-pruned 模型已在 GitHub 和 Hugging Face 开源。