Voice Arena 发布 Monsoon 语音数据集：50 种语言、10 万小时
Monsoon 是个 10 万小时的多语言语音数据集，微调 Whisper 后孟加拉语词错率从 85% 降到 7.65%，做语音方向的可以试试 API 测测效果。
#Whisper
共 24 条 · 7 天 4 条 · 30 天 6 条
信息流里打上「Whisper」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月9日
Voice Arena 语音数据集 Monsoon 发布，孟加拉语 WER 微调后降至 7.65%
微调 Whisper Medium 就把孟加拉语 WER 从 85% 打到 7.65%，80 多家机构一周内排队要授权，低资源语音方向的值得关注。
Whisper Medium 用 Monsoon 语料微调，孟加拉语词错率从 85.27% 降到 7.65%
小模型靠数据逆袭的实测案例：Whisper Medium 微调后孟加拉语错字率从 85% 掉到 7.65%，做低资源语言 ASR 的可以参考。
10月8日
Itgan 用 LoRA 微调 Whisper 参加 NADI 2026 阿拉伯语 ASR 三项子任务
一篇很实在的参赛报告：LoRA 微调 Whisper 搞定阿拉伯语多方言和码切换识别，还公开了八个没做成的方向，做 ASR 的可以看看。
9月28日
VoiceArena 发布 Monsoon：50 语言语音数据集让 Telugu 语音识别错误率从 92.7% 降到 16.1%
同一个 Whisper Medium，换个数据集微调就把 Telugu 错误率从 92.7% 干到 16.1%，还故意保留噪声做分层，思路很值得学。
9月24日
9月4日
8月7日
8月3日
用 Agent 看视频：yt-dlp 下载 + Whisper 转录 + ffmpeg 抽帧
vikingmute 分享的 skills，让 Agent 自动看视频，yt-dlp 下载、Whisper 转录、ffmpeg 抽帧，处理长录屏省事。
7月29日
GPT-Transcribe 转录错误率大幅低于 Whisper，在多语言基准上有提升
OpenAI 发的 GPT-Transcribe 在音频转录上比 Whisper 错误率低一半，多语言场景提升明显。
7月21日
7月19日
OpenMOSS 发布 MOSS-Transcribe-Diarize-0.9B，端到端多人长音频转写模型
OpenMOSS 开源了一个 0.9B 参数的端到端模型，能一次搞定 90 分钟多人音频，告诉你谁说了什么、什么时候说的，单卡 4090 跑得飞快。
7月17日
用 Qwen3 ASR 替换 Whisper：解决时间戳不准和中英文混排问题
宝玉分享了用 Qwen3 ASR 替代 Whisper 做字幕的心得，时间戳对得很准，还配了发言人识别方案，适合搞视频翻译的朋友。
7月15日
论文11:33
使用冻结DiffusionGemma离散扩散模型的音频原生语音识别这个研究用DiffusionGemma做语音识别，并行解码8步就达到6.6%错误率，只训练了0.16%的参数，挺高效的。
产品09:44
AI 转录 Mac 工具 MacWhisper 14 发布：新增编辑器视图，修复 CPU 占用过高问题MacWhisper 14 新增编辑器视图，能直接改转录稿，CPU占用也降了，转录更顺滑，推荐播客制作者升级。
IT之家原文
7月14日
7月8日
模型02:09
Cohere开源阿拉伯语语音识别模型Transcribe Arabic，超越WhisperCohere搞了个阿拉伯语语音模型，20亿参数，专门对付方言和双语，据说比Whisper还牛，搞语音识别的快试试。
6月30日
6月15日
6月3日
CoughSense：基于Whisper的五类呼吸疾病咳嗽分类系统
做呼吸疾病音频诊断或短音频分类的团队，可以直接借鉴CoughSense的主动帧池化和域自适应方案，解决Whisper在短信号上的静音稀释痛点。
6月1日
BEA-Dialogue+ 语料库：匈牙利语对话语音识别扩展至200小时
匈牙利语 ASR 研究者终于有了更大规模的对话数据集——BEA-Dialogue+ 将可用训练数据从85小时扩展到200小时，做低资源语言语音识别的团队可以直接用于模型评估和微调。
5月30日
5月16日