是什么
whisper
OpeanAI 推出的多语言语音识别模型，通过了68万小时的语音数据训练，支持99种语言，英文识别准确率非常惊艳。
更重要的是，它开源免费，在电脑上就能离线使用。
fast-whisper
处理速度更快的whisper，具有完全的 whsiper 模型参数，且自带 VAD 加持。它使用了 CTranslate2 来重新实现 whsiper 模型，CT2 对 transformer 类网络进行了优化，使模型推理效率更高。github上说同等情况下是whisper处理速度的4倍。
VAD 即 Voice Activity Detection ——声音活动检测，在语音信号处理中，例如语音增强，语音识别等领域有着非常重要的作用。
它的作用是从一段语音（纯净或带噪）信号中标识出语音片段与非语音片段。在语音转写任务中，可以提前将语音和非语音部分分离出来，从而提升 whisper 网络识别速度，并减少模型幻听。
baidu-aip-AipSpeech
将60秒以内的完整音频文件识别为文字，需要联网，且需要收费的token