Qu’est-ce que Whisper (openai/whisper) ?
openai/whisper est la publication originale du code de Whisper, la famille de modèles de reconnaissance vocale d'OpenAI : un paquet Python (openai-whisper sur PyPI) et un outil en ligne de commande, whisper, qui transcrit la parole, la traduit en anglais et identifie la langue parlée. Il télécharge et exécute six tailles, de tiny (39M paramètres, environ 1 Go de VRAM) à large (1 550M, environ 10 Go) et turbo (809M, environ 6 Go), plus des versions anglais seul des quatre plus petites.
Cette évaluation porte sur le logiciel. Le checkpoint turbo qu'il utilise par défaut est évalué séparément sous le nom Whisper large-v3-turbo dans la rubrique modèles.
Le code est sous licence MIT, compte environ 112 700 étoiles sur GitHub et a cumulé environ 6,2 millions de téléchargements sur PyPI le mois dernier. La dernière release PyPI, v20250625, date de juin 2025 ; les commits suivants, le plus récent le 31 août 2026, sont de petits correctifs et un format de sortie JSONL que les utilisateurs de pip ne reçoivent pas encore.
Whisper (openai/whisper) vaut-il le coup ?
openai/whisper reste la référence à laquelle on mesure tous les autres runtimes Whisper, et c'est le plus lent d'entre eux. Dans le benchmark publié par faster-whisper, 13 minutes d'audio avec large-v2 ont pris 2m23s avec openai/whisper sur une RTX 3070 Ti, contre 1m03s avec faster-whisper et 1m05s avec whisper.cpp ; sur CPU avec le modèle small, il a fallu 6m58s contre 2m05s pour whisper.cpp. Ces mesures utilisaient v20240930, et le code a peu changé depuis.
Ce qu'il offre, c'est l'exhaustivité et la simplicité. Un pip install et ffmpeg donnent une CLI qui écrit du texte, des sous-titres, du TSV et du JSON, traduit en anglais avec les modèles multilingues, détecte la langue et fournit des horodatages par mot. Le README signale un piège classique : turbo, le modèle par défaut, n'est pas entraîné pour la traduction et renvoie la langue d'origine même avec --task translate, il faut donc medium ou large pour traduire.
La maintenance est légère. Cinq commits sont arrivés depuis juillet 2025, les plus utiles étant un correctif pour que la recherche en faisceau ne retombe plus sur un kernel d'attention lent et un format de sortie JSONL, tous deux en juillet 2026 ; aucun n'a atteint PyPI. OpenAI n'a publié aucun nouveau checkpoint depuis turbo en 2024 et retire son modèle d'API hébergé whisper-1 en février 2027, ce qui n'affecte pas ce code ouvert mais montre où se porte l'attention de l'entreprise.
Le paquet trouve sa place comme référence, pour l'enseignement et pour les petites tâches où quelques minutes de plus ne coûtent rien. Pour un service de transcription, le traitement par lots d'un fonds d'archives ou une application pour portable, les mêmes poids tournent plus vite et avec moins de mémoire ailleurs, et faster-whisper annonce la même précision.
Là où il fait la différence
Un développeur dans une rédaction qui traite quelques entretiens par semaine
Transformer des entretiens enregistrés en texte consultable et en sous-titres
Lancez whisper interview.mp3 --model turbo sur un poste avec un GPU de 6 Go et obtenez en une passe des fichiers texte, SRT et JSON. Aucun tarif à la minute, et à ce volume la lenteur ne pose pas problème, mais les citations doivent toujours être vérifiées sur l'audio.
Un ingénieur en machine learning qui évalue un runtime Whisper plus rapide
Confirmer qu'un moteur de production donne les mêmes transcriptions que l'original
Transcrivez un jeu de test fixe avec openai/whisper et avec le runtime candidat, à taille de modèle et réglages de faisceau identiques, puis comparez les taux d'erreur par mot. Le code de référence est court et lisible, ce qui facilite la recherche des écarts.
Un laboratoire universitaire qui transcrit des enregistrements de terrain en japonais et en espagnol
Obtenir des traductions anglaises à côté des transcriptions en langue d'origine
Utilisez le modèle medium ou large avec --task translate, puisque turbo ignore la traduction. Comptez environ 10 Go de VRAM pour large et une exécution plus lente ; la précision varie beaucoup selon la langue, comme le montre le graphique par langue d'OpenAI.
Avant de vous engager
- Mise en route
- pip install -U openai-whisper et ffmpeg via votre gestionnaire de paquets ; Rust peut être nécessaire si tiktoken n'a pas de wheel précompilée pour votre plateforme. Les modèles se téléchargent au premier usage, et une première transcription prend quelques minutes.
- Intégrations
- La CLI whisper et une API Python (load_model, transcribe, detect_language) ; sorties en txt, vtt, srt, tsv et json, avec jsonl sur la branche main. Tourne sur PyTorch avec CUDA ou CPU.
- Données et confidentialité
- Tourne en local ; l'audio ne quitte jamais la machine une fois les poids téléchargés. La licence MIT couvre le code comme les poids.
- Coût à grande échelle
- Gratuit ; le coût est du temps GPU, qu'il exploite moins bien que faster-whisper : 2m23s contre 1m03s pour le même fichier de 13 minutes dans le benchmark de faster-whisper.
- Limites
- Aucune release PyPI depuis juin 2025 ; turbo ne sait pas traduire ; le plus lent des runtimes courants ; la précision varie fortement selon la langue.
Les points forts
- Un seul pip install fournit une CLI complète et une API Python
- Les six tailles de modèle, la traduction et la détection de langue
- Licence MIT ; environ 6,2 millions de téléchargements PyPI par mois
- La référence à laquelle on vérifie les autres runtimes Whisper
Les points faibles
- Plus de deux fois plus lent que faster-whisper sur GPU dans les benchmarks publiés
- Aucune release PyPI depuis juin 2025
- Le modèle turbo par défaut ne sait pas traduire
- Demande ffmpeg, et parfois Rust, pour s'installer
Idéal pour
Les développeurs et chercheurs qui veulent l'implémentation de référence de Whisper pour de petites tâches, l'enseignement ou la vérification de la sortie d'un autre runtime.
Alternatives à Whisper (openai/whisper)
Whisper (openai/whisper) : questions fréquentes
- Whisper (openai/whisper) vaut-il le coup ?
- Le paquet Whisper reste le chemin le plus court d'un fichier audio à une transcription, mais dès qu'il y a du volume, faster-whisper ou whisper.cpp font le même travail en une fraction du temps. Nous lui donnons 3.6 sur 5.
- Combien coûte Whisper (openai/whisper) ?
- Gratuit et open source sous licence MIT, pour le code comme pour les poids. Aucune édition payante.
- Quels sont les inconvénients de Whisper (openai/whisper) ?
- Plus de deux fois plus lent que faster-whisper sur GPU dans les benchmarks publiés; aucune release PyPI depuis juin 2025; le modèle turbo par défaut ne sait pas traduire; demande ffmpeg, et parfois Rust, pour s'installer.
- À qui s’adresse Whisper (openai/whisper) ?
- Les développeurs et chercheurs qui veulent l'implémentation de référence de Whisper pour de petites tâches, l'enseignement ou la vérification de la sortie d'un autre runtime.
- Combien coûte Whisper (openai/whisper) pour une équipe ou en production ?
- Gratuit ; le coût est du temps GPU, qu'il exploite moins bien que faster-whisper : 2m23s contre 1m03s pour le même fichier de 13 minutes dans le benchmark de faster-whisper.
- Whisper (openai/whisper) est-il sûr pour les données de l’entreprise ?
- Tourne en local ; l'audio ne quitte jamais la machine une fois les poids téléchargés. La licence MIT couvre le code comme les poids.
- Quelles sont les meilleures alternatives à Whisper (openai/whisper) ?
- Les alternatives les plus proches que nous avons testées sont audio.cpp et VibeVoice.
Réponses vérifiées le 14 nov. 2026.