Whisper‑Medium‑En 是 OpenAI Whisper 系列中的高级英语专用模型，拥有约 769M 参数，专门针对纯英文语音识别任务进行了优化。该模型基于 Transformer 编码器–解码器架构，训练于 680k 小时的语音数据集（包含英文和其他语言），能够处理最长为 30 秒的音频，具备优秀的识别准确率和鲁棒性。

• 参数与模型大小：约 769M 参数，编码器和解码器分别约为 769MB 和 726MB
• 推理性能：在 Qualcomm Snapdragon 环境下，推理速度约为 0.51 次/秒，吞吐量约 249–299 MB/s
• 适用场景：适用于实时字幕、长段音频转写、会议记录、智能客服等中高端设备部署，可在嘈杂或复杂环境下保持稳定性能

源模型工程请访问：Whisper-Medium-En

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md