kotoba-whisper là một mô hình nhận dạng giọng nói được chắt lọc và thu gọn từ Whisper của OpenAI dành riêng cho giọng nói tiếng Nhật.
kotoba-whisper là mô hình nhận dạng giọng nói (ASR) dành riêng cho Nhật Bản do Kotoba Technologies phát triển và được đặc trưng bởi phương pháp chắt lọc kiến thức (kiến trúc chắt lọc-thì thầm) từ Whisper big-v3 của OpenAI giúp tăng tốc đáng kể suy luận trong khi vẫn duy trì độ chính xác nhận dạng của tiếng Nhật. Nó là nguồn mở, có sẵn thông qua Hugging Face và đang thu hút sự chú ý như một tùy chọn giúp giảm chi phí vận hành máy chủ so với các dịch vụ nhận dạng giọng nói dựa trên API đám mây. Tuy nhiên, trong thực tế sử dụng kể từ năm 2026, độ chính xác của nhận dạng có thể giảm đi do giọng của người nói, thuật ngữ kỹ thuật, âm thanh hội nghị ồn ào, v.v. và việc xử lý hậu kỳ như sửa dấu câu và đăng ký từ điển thường sẽ được yêu cầu để sử dụng cho doanh nghiệp. Về cách lựa chọn tại hiện trường, thực tế là sử dụng một mô hình nhẹ hỗ trợ phát trực tuyến nếu hiệu suất thời gian thực là quan trọng và mô hình Whisper kích thước đầy đủ nếu độ chính xác là quan trọng và sự khác biệt về chi phí tùy thuộc vào sự hiện diện hay vắng mặt của môi trường GPU cũng là một tiêu chí lựa chọn.