Whisper是OpenAI开源的自动语音识别系统，经过68万小时的多语言和多任务监督数据训练，这些数据是从网络上收集的。它被设计成对口音、背景噪音和技术语言具有健壮性，并且可以将多种语言的语音转录和翻译成英语。它是一种简单的端到端方法，实现为编码器-解码器Transformer。它还能够执行语言识别和短语级时间戳。它的设计易于使用，具有较高的准确性，允许开发人员为更多的应用程序添加语音接口。

这个实验让你拍下某物的照片，听一听如何用另一种语言说它。这只是使用谷歌的机器学习API可以实现的一个示例，而不需要深入研究机器学习的细节。由Dan Motzenbecker和朋友在谷歌创意实验室构建，使用谷歌的云视觉API和翻译API。