O que é Whisper (openai/whisper)?
openai/whisper é a publicação original do código do Whisper, a família de modelos de reconhecimento de fala da OpenAI: um pacote Python (openai-whisper no PyPI) e uma ferramenta de linha de comando, whisper, que transcreve fala, traduz para o inglês e identifica o idioma falado. Ele baixa e roda seis tamanhos, de tiny (39M parâmetros, cerca de 1 GB de VRAM) a large (1.550M, cerca de 10 GB) e turbo (809M, cerca de 6 GB), além de versões só em inglês dos quatro menores.
Esta avaliação cobre o software. O checkpoint turbo que ele usa por padrão é avaliado separadamente como Whisper large-v3-turbo em modelos.
O código tem licença MIT, cerca de 112.700 estrelas no GitHub e teve cerca de 6,2 milhões de downloads no PyPI no último mês. A última release no PyPI, v20250625, é de junho de 2025; os commits seguintes, o mais recente em 31 de agosto de 2026, são pequenas correções e um formato de saída JSONL que quem usa pip ainda não recebe.
Whisper (openai/whisper) vale a pena?
O openai/whisper continua sendo a referência com a qual todo outro runtime de Whisper é medido, e é o mais lento de todos. No benchmark publicado pelo faster-whisper, 13 minutos de áudio com o large-v2 levaram 2m23s com o openai/whisper em uma RTX 3070 Ti, contra 1m03s com o faster-whisper e 1m05s com o whisper.cpp; em CPU com o modelo small levou 6m58s, contra 2m05s do whisper.cpp. Esses testes usaram a v20240930, e o código mudou pouco desde então.
O que ele oferece é completude e simplicidade. Um pip install mais o ffmpeg entregam uma CLI que grava texto, legendas, TSV e JSON, traduz para o inglês com os modelos multilíngues, detecta o idioma e gera marcações de tempo por palavra. O README alerta para uma armadilha comum: o turbo, modelo padrão, não foi treinado para tradução e devolve o idioma original mesmo com --task translate, então traduzir exige medium ou large.
A manutenção é leve. Cinco commits chegaram desde julho de 2025, os mais úteis uma correção para que a busca em feixe não recaia em um kernel de atenção lento e um formato de saída JSONL, ambos em julho de 2026; nenhum chegou ao PyPI. A OpenAI não lançou nenhum checkpoint novo desde o turbo em 2024 e vai aposentar seu modelo de API hospedado whisper-1 em fevereiro de 2027, o que não afeta este código aberto, mas mostra para onde foi a atenção da empresa.
O pacote tem seu lugar como referência, no ensino e em trabalhos pequenos em que alguns minutos a mais não custam nada. Para um serviço de transcrição, o processamento em lote de um acervo ou um app para notebook, os mesmos pesos rodam mais rápido e com menos memória em outros runtimes, e o faster-whisper informa a mesma precisão.
Onde ele se destaca
Um desenvolvedor de redação que lida com algumas entrevistas por semana
Transformar entrevistas gravadas em texto pesquisável e legendas
Rode whisper interview.mp3 --model turbo em um desktop com GPU de 6 GB e obtenha arquivos de texto, SRT e JSON de uma vez. Não há tarifa por minuto e, nesse volume, a velocidade menor não importa, mas as citações ainda precisam ser conferidas com o áudio.
Um engenheiro de machine learning avaliando um runtime de Whisper mais rápido
Confirmar que um motor de produção gera as mesmas transcrições que o original
Transcreva um conjunto de teste fixo com o openai/whisper e com o runtime candidato usando o mesmo tamanho de modelo e as mesmas configurações de feixe, e compare as taxas de erro por palavra. O código de referência é pequeno e legível, o que facilita rastrear diferenças.
Um laboratório universitário que transcreve gravações de campo em japonês e espanhol
Obter traduções para o inglês ao lado das transcrições no idioma original
Use o modelo medium ou large com --task translate, já que o turbo ignora a tradução. Conte com cerca de 10 GB de VRAM para o large e uma execução mais lenta; a precisão varia muito por idioma, como mostra o gráfico por idioma da própria OpenAI.
Antes de decidir
- Configuração
- pip install -U openai-whisper mais ffmpeg pelo seu gerenciador de pacotes; pode ser preciso ter Rust se o tiktoken não tiver uma wheel pré-compilada para sua plataforma. Os modelos são baixados no primeiro uso, e a primeira transcrição leva minutos.
- Integrações
- A CLI whisper e uma API Python (load_model, transcribe, detect_language); saída em txt, vtt, srt, tsv e json, com jsonl no branch main. Roda sobre PyTorch com CUDA ou CPU.
- Dados e privacidade
- Roda localmente; o áudio nunca sai da máquina depois que os pesos são baixados. A licença MIT cobre o código e os pesos.
- Custo em escala
- Gratuito; o custo é tempo de GPU, que ele aproveita pior que o faster-whisper: 2m23s contra 1m03s para o mesmo arquivo de 13 minutos no benchmark do faster-whisper.
- Limites
- Sem release no PyPI desde junho de 2025; o turbo não traduz; é o mais lento dos runtimes comuns; a precisão varia muito por idioma.
O que é bom
- Um único pip install entrega uma CLI completa e uma API Python
- Os seis tamanhos de modelo, tradução e detecção de idioma
- Licença MIT; cerca de 6,2 milhões de downloads por mês no PyPI
- A referência usada para conferir os outros runtimes de Whisper
O que não é
- Mais de duas vezes mais lento que o faster-whisper em GPU em benchmarks publicados
- Sem release no PyPI desde junho de 2025
- O modelo turbo padrão não traduz
- Precisa de ffmpeg, e às vezes de Rust, para instalar
Ideal para
Desenvolvedores e pesquisadores que querem a implementação de referência do Whisper para trabalhos pequenos, ensino ou para conferir a saída de outro runtime.
Alternativas ao Whisper (openai/whisper)
Whisper (openai/whisper): perguntas frequentes
- Whisper (openai/whisper) vale a pena?
- O pacote Whisper continua sendo o caminho mais curto de um arquivo de áudio até uma transcrição, mas em qualquer volume real o faster-whisper ou o whisper.cpp fazem o mesmo trabalho em uma fração do tempo. Damos nota 3.6 de 5.
- Quanto custa Whisper (openai/whisper)?
- Gratuito e de código aberto sob a licença MIT, tanto o código quanto os pesos. Sem edição paga.
- Quais são as desvantagens de Whisper (openai/whisper)?
- Mais de duas vezes mais lento que o faster-whisper em GPU em benchmarks publicados; sem release no PyPI desde junho de 2025; o modelo turbo padrão não traduz; precisa de ffmpeg, e às vezes de Rust, para instalar.
- Para quem Whisper (openai/whisper) é indicado?
- Desenvolvedores e pesquisadores que querem a implementação de referência do Whisper para trabalhos pequenos, ensino ou para conferir a saída de outro runtime.
- Quanto custa Whisper (openai/whisper) para uma equipe ou em produção?
- Gratuito; o custo é tempo de GPU, que ele aproveita pior que o faster-whisper: 2m23s contra 1m03s para o mesmo arquivo de 13 minutos no benchmark do faster-whisper.
- Whisper (openai/whisper) é seguro para dados da empresa?
- Roda localmente; o áudio nunca sai da máquina depois que os pesos são baixados. A licença MIT cobre o código e os pesos.
- Quais são as melhores alternativas ao Whisper (openai/whisper)?
- As alternativas mais próximas que analisamos são audio.cpp e VibeVoice.
Respostas verificadas em 14 de nov. de 2026.