คู่มือMac

ความแม่นยำของ Whisper ใน 29 ภาษา

คำตอบสั้น ๆ

รันโมเดล Large V3 Turbo Q5 ขนาด 547 MB: ใน 29 ภาษา ไม่มีโมเดลที่ใหญ่กว่าตัวใดดีกว่าอย่างมีนัยสำคัญใน 23 ภาษา แถวภาษาฮินดี อาหรับ และฮีบรูแสดงอัตราความผิดพลาดสูงเกินจริงและกำลังวัดใหม่ โปรดอ่านร่วมกับคำแก้ไขที่ด้านบน

ดาวน์โหลดสำหรับ Mac

ดาวน์โหลดสำหรับ Windows

ดาวน์โหลดอื่น ๆ

macOS 13 ขึ้นไปบน Apple Silicon · ไม่มีค่าบริการรายเดือน

ตรวจสอบล่าสุด 15 ตุลาคม 2026

คู่มือนี้สำหรับ Mac หากใช้ Windows ดูการรัน Whisper บน Windows

23 จาก 29

ภาษา:

ไม่มีโมเดลที่ใหญ่กว่าตัวใดดีกว่าตัวเริ่มต้น 547 MB อย่างชัดเจน

อาหรับ†
จีน (ตัวย่อ)
เช็ก
เดนมาร์ก
ดัตช์
อังกฤษ
ฟินแลนด์
ฝรั่งเศส
เยอรมัน
กรีก
ฮีบรู†
ฮินดี†
ฮังการี
อินโดนีเซีย
อิตาลี
ญี่ปุ่น
เกาหลี
มาเลย์
นอร์เวย์
โปแลนด์
โปรตุเกส (บราซิล)
โรมาเนีย
รัสเซีย
สเปน
สวีเดน
ไทย
ตุรกี
ยูเครน
เวียดนาม

ไม่มีโมเดลที่ใหญ่กว่าตัวใดดีกว่าอย่างชัดเจน
โมเดลที่ใหญ่กว่าคุ้มกับขนาด
†อยู่ระหว่างวัดใหม่

ภาพประกอบ: 23 จาก 29 ภาษาแสดงเป็นช่อง ช่องสีเขียวคือภาษาที่ไม่มีโมเดลที่ใหญ่กว่าตัวใดดีกว่าตัวเริ่มต้น 547 MB อย่างชัดเจน ช่องสีเหลือง (6 ช่อง) คือภาษาที่โมเดลที่ใหญ่กว่าดีกว่าอย่างชัดเจน ภาษาฮินดี

อาหรับ

และฮีบรูมีเครื่องหมาย † เพราะแถวของภาษาเหล่านี้อยู่ระหว่างวัดใหม่

ผลลัพธ์ของหน้านี้เอง หนึ่งช่องต่อหนึ่งภาษา ช่องที่มีเครื่องหมาย † อยู่ระหว่างวัดใหม่ โปรดอ่านคำแก้ไขด้านล่าง

อ่านส่วนนี้ก่อน

แถวที่อยู่ระหว่างวัดใหม่

คำแก้ไข ลงวันที่ 28 สิงหาคม 2026

ตัวให้คะแนนที่อยู่เบื้องหลังตารางนี้ปรับข้อความให้เป็นมาตรฐานด้วย [^\w\s] แต่ \w ของ Python ไม่จับคู่กับเครื่องหมายผสมของ Unicode สระของอักษรเทวนาครี จุดนุกตะของอักษรเบงกาลี และเครื่องหมายกำกับเสียงของภาษาอาหรับทุกตัวจึงถูกแทนที่ด้วยช่องว่าง ทำให้หนึ่งคำถูกแยกเป็นหลายคำ วัดจากข้อความอ้างอิงชุดเดียวกับที่หน้านี้ใช้ ภาษาทมิฬได้ 1,520 หน่วยจากคำจริง 437 คำ ภาษาฮินดี 1,237 จาก 683 ภาษาอัสสัม 1,220 จาก 498 แถวของอักษรละติน ซีริลลิก และ CJK ไม่ได้รับผลกระทบ เพราะอักษรเหล่านั้นไม่มีเครื่องหมายผสม ข้อสรุปที่อิงแถวเหล่านั้นจึงไม่ได้รับผลกระทบเช่นกัน

ปัญหานี้ทำให้ข้อความอ้างอิงมีจำนวนคำเพิ่มขึ้น และเพราะชิ้นส่วนคำจับคู่กันไม่ได้ จำนวนข้อผิดพลาดจึงเพิ่มตามไปด้วย ดังนั้นแถวของภาษาฮินดี อาหรับ ฮีบรู และภาษาอื่นที่ใช้เครื่องหมายผสมแสดงอัตราความผิดพลาดสูงเกินจริงในปริมาณที่ต่างกันไปตามภาษา และข้ออ้าง “ภาษาที่แย่ที่สุด” ที่อยู่ด้านล่างจึงใช้กับแถวเหล่านี้ไม่ได้ การวัดที่แก้ไขแล้วครอบคลุม 83 ภาษากำลังรันอยู่ และหน้านี้จะถูกสร้างใหม่จากผลนั้น

เรื่องนี้ถูกบันทึกไว้ที่นี่ แทนที่จะลบไปเงียบ ๆ ด้วยเหตุผลเดียวกับคำถอนข้อความด้านล่าง ตัวปรับข้อความที่ทำให้อักษรที่ไม่ใช่ละตินเสียหายโดยไม่มีใครรู้ คือความล้มเหลวที่ผู้อ่านผลวัดหลายภาษาควรได้รับการแจ้ง และมองไม่เห็นในตัวเลขที่เผยแพร่ใด ๆ

สถานะ 15 ตุลาคม 2026

การวัดชุดใหม่ครอบคลุม 83 ภาษาและโมเดลหกรุ่น ทั้งการถอดเสียงไฟล์และการพิมพ์ด้วยเสียง ยังไม่อยู่ในหน้านี้เพราะยังไม่เสร็จ จาก 996 รอบการทดสอบ 89 รอบล้มเหลว ทั้งหมดเกิดกับโมเดลที่ใหญ่ที่สุดและใน 17 ภาษา และไม่ใช่ทุกรอบที่ใช้หน่วยความจำเท่ากันหรือเครื่องมือทดสอบเวอร์ชันเดียวกัน จนกว่าจะเสร็จ ตารางด้านล่างยังเป็นตาราง 29 ภาษาที่อธิบายข้างต้น แถวที่มีเครื่องหมาย † (ฮินดี อาหรับ และฮีบรู ที่ระบุไว้ในคำแก้ไข) จึงยังแสดงอัตราความผิดพลาดที่สูงเกินจริง และภาษาอื่นที่ใช้เครื่องหมายผสมก็อาจเป็นเช่นกัน การเปรียบเทียบในแถวอักษรละติน ซีริลลิก และ CJK ไม่ได้รับผลกระทบ

คำตอบ

โมเดล 547 MB ยังใช้ได้ดี

ใน 23 จาก 29 ภาษา ไม่มีโมเดลตัวใดในชุดนี้ดีกว่าตัวเริ่มต้น 547 MB อย่างมีนัยสำคัญ

23 จาก 29ภาษา: ไม่มีโมเดลที่ใหญ่กว่าตัวใดดีกว่าอย่างชัดเจน
6ภาษาที่โมเดลใหญ่กว่าคุ้มกับขนาด
9 จาก 29ภาษาที่โมเดล turbo ขนาด 1.6 GB ได้คะแนนแย่กว่า

“มีนัยสำคัญ” หมายถึงการทดสอบ z สองสัดส่วนที่ z ≤ −2 เทียบกับตัวเริ่มต้น อีก 23 ภาษาให้อ่านว่าแยกกันไม่ออก ไม่ใช่พิสูจน์แล้วว่าเท่ากัน

ข้อยกเว้น

เมื่อโมเดลที่ใหญ่กว่าคุ้มกับขนาด

หากคุณทำงานกับภาษาไทย ญี่ปุ่น ฟินแลนด์ ฝรั่งเศส ดัตช์ หรือเกาหลี การดาวน์โหลดรุ่นที่ใหญ่กว่าคุ้มค่า

ภาษาที่โมเดลใหญ่กว่าดีกว่าตัวเริ่มต้น 547 MB อย่างชัดเจน
รายการ	ค่าเริ่มต้น (547 MB)	โมเดลที่ดีกว่า	ส่วนที่ดีขึ้น
ไทย	20.8%	v3: 12.6%	−8.2 จุด
ญี่ปุ่น	18.5%	v3-q5: 14.2%	−4.3 จุด
ฟินแลนด์	10.8%	v3-q5: 7.7%	−3.1 จุด
ฝรั่งเศส	10.0%	v3: 7.5%	−2.5 จุด
ดัตช์	10.8%	v3-q5: 8.3%	−2.5 จุด
เกาหลี	11.3%	v3-q5: 9.4%	−1.9 จุด

v3-q5 (1.0 GB) ได้ผลดีขึ้นเกือบทั้งหมด ส่วน v3 ขนาด 3 GB ไม่เคยดีกว่าโมเดลนั้นเกิน 1.2 จุดเปอร์เซ็นต์

ไม่ได้ใหญ่กว่าแล้วดีกว่าเสมอไป

โมเดลที่ใหญ่กว่าไม่ได้แม่นยำกว่าเสมอไป

โมเดล turbo ขนาด 1.6 GB ได้คะแนนแย่กว่าตัวเริ่มต้น 547 MB ในเชิงตัวเลขใน 9 จาก 29 ภาษา

โมเดล 75 MB ใช้นอกภาษาอังกฤษไม่ได้: ฮินดี† 100.0% เดนมาร์ก 87.2% ฮังการี 84.8% เช็ก 84.0% ฮีบรู† 81.9%

ภาษาไหนบ้าง และต่างกันเท่าไร

ฮินดี† (42.1% เทียบกับ 34.4%) ไทย (24.6% เทียบกับ 20.8%) จีนตัวย่อ (16.8% เทียบกับ 13.7%) มาเลย์ (9.8% เทียบกับ 7.1%) เวียดนาม (10.3% เทียบกับ 9.8%) อินโดนีเซีย (7.8% เทียบกับ 7.4%) ตุรกี (15.5% เทียบกับ 15.2%) กรีก (11.3% เทียบกับ 11.2%) ฝรั่งเศส (10.1% เทียบกับ 10.0%) ส่วนต่างเล็กขนาดนี้ไม่ได้มีนัยสำคัญทีละภาษาเสมอไปเมื่อกลุ่มตัวอย่างมีขนาดเท่านี้ ประเด็นคือทิศทาง ซึ่งขนาดเพียงอย่างเดียวไม่อาจทำนายได้ การเลือกโมเดลรุ่นถัดขึ้นไปจึงไม่ใช่ค่าเริ่มต้นที่ปลอดภัย

ค่าสุดขั้ว

ง่ายที่สุดและยากที่สุด

ผลดีที่สุด: สเปน 2.8%

อัตราความผิดพลาดสูงสุดที่ไม่มีโมเดลใดทำให้ดีขึ้นได้คือฮีบรู† ซึ่งไม่ลดต่ำกว่า 48.3% ในการตั้งค่าใด ๆ ที่ทดสอบ คำแก้ไขระบุว่าการอ่านค่านี้ใช้กับอักษรที่ใช้เครื่องหมายผสมอย่างภาษาฮีบรูไม่ได้ จึงให้ถือว่ายังไม่ยืนยันจนกว่าการวัดที่แก้ไขแล้วจะอยู่ในหน้านี้

การถอนข้อความ

การถอนข้อความ ที่เก็บไว้ที่เดิม

การถอนข้อความ

การวัดรอบก่อนหน้าของชุดนี้รายงานว่า large-v3 ดีกว่าตัวเริ่มต้นอย่างมีนัยสำคัญสำหรับภาษายูเครน ซึ่งไม่ถูกต้อง ผลนั้นวัดด้วย beam 5 ซึ่งเป็นค่าเริ่มต้นของ whisper-cli แต่ไม่ใช่สิ่งที่แอปใช้จริง เมื่อรันซ้ำแบบ greedy ซึ่งเป็นการตั้งค่าจริง ตัวเริ่มต้นกับ v3 ออกมาเสมอกันพอดี ความต่างมาจากตัวถอดรหัส ไม่ใช่โมเดล เรื่องนี้ถูกบันทึกไว้ที่นี่ แทนที่จะลบไปเงียบ ๆ เพราะการตั้งค่าตัวถอดรหัสคือตัวแปรที่การเปรียบเทียบ Whisper ในเครื่องส่วนใหญ่ไม่ระบุ

ข้อมูล

ตารางเต็ม วิธีวัด และข้อจำกัด

ตารางเต็ม วิธีวัด และข้อจำกัดถูกพับไว้ เปิดดูได้ทุกส่วน

อัตราความผิดพลาดแยกตามภาษาและโมเดล (29 ภาษา 6 โมเดล)

ภาษา	ตัวชี้วัด	tiny 75 MB	small 466 MB	turbo-q5 547 MB	turbo 1.6 GB	v3-q5 1.0 GB	v3 3 GB
อาหรับ† ar-SA	WER	67.0%	36.9%	22.9%	22.4%	22.3%	22.2% ●
จีน (ตัวย่อ) zh-Hans	CER	55.0%	24.8%	13.7%	16.8%	13.1%	12.6% ●
เช็ก cs	WER	84.0%	40.4%	13.2%	12.8%	13.1%	11.9% ●
เดนมาร์ก da	WER	87.2%	35.0%	13.4%	13.0%	12.6% ●	13.3%
ดัตช์ nl-NL	WER	74.8%	28.8%	10.8%	9.8%	8.3% ●	8.4%
อังกฤษ en-US	WER	31.9%	10.7%	9.1%	8.9%	7.0% ●	8.9%
ฟินแลนด์ fi	WER	64.4%	31.8%	10.8%	10.1%	7.7% ●	7.7% ●
ฝรั่งเศส fr-FR	WER	50.1%	26.1%	10.0%	10.1%	7.7%	7.5% ●
เยอรมัน de-DE	WER	35.0%	11.9%	5.2%	4.7% ●	5.2%	5.2%
กรีก el	WER	74.7%	32.9%	11.2% ●	11.3%	11.8%	12.3%
ฮีบรู† he	WER	81.9%	63.2%	51.0%	48.4%	48.3% ●	48.3% ●
ฮินดี† hi	WER	100.0%	68.3%	34.4%	42.1%	33.4%	32.4% ●
ฮังการี hu	WER	84.8%	48.7%	17.9%	17.9%	17.0%	16.3% ●
อินโดนีเซีย id	WER	59.2%	21.8%	7.4% ●	7.8%	8.1%	9.4%
อิตาลี it	WER	31.8%	8.2%	4.0%	2.9% ●	4.6%	4.5%
ญี่ปุ่น ja	CER	54.3%	25.4%	18.5%	15.6%	14.2% ●	17.0%
เกาหลี ko	CER	33.9%	24.6%	11.3%	11.3%	9.4% ●	9.5%
มาเลย์ ms	WER	62.5%	25.1%	7.1%	9.8%	6.0%	5.9% ●
นอร์เวย์ no	WER	64.0%	24.2%	10.0%	9.8% ●	10.0%	9.8% ●
โปแลนด์ pl	WER	57.0%	17.7%	6.7%	6.4% ●	7.4%	7.6%
โปรตุเกส (บราซิล) pt-BR	WER	25.4%	7.9%	5.2%	5.1%	5.0%	4.9% ●
โรมาเนีย ro	WER	79.1%	33.4%	10.2%	9.9%	9.5%	9.2% ●
รัสเซีย ru	WER	38.7%	12.9%	6.4%	6.3% ●	6.8%	7.3%
สเปน es-ES	WER	19.3%	7.0%	3.5%	3.5%	3.0%	2.8% ●
สวีเดน sv	WER	57.2%	21.4%	8.3%	8.1%	7.1% ●	7.3%
ไทย th	CER	62.4%	27.5%	20.8%	24.6%	13.2%	12.6% ●
ตุรกี tr	WER	62.1%	30.5%	15.2%	15.5%	13.1% ●	13.5%
ยูเครน uk	WER	68.3%	39.2%	23.1%	21.0% ●	23.3%	23.1%
เวียดนาม vi	WER	64.1%	26.6%	9.8% ●	10.3%	10.2%	10.2%

วิธีวัด

โมเดล Whisper หกรุ่นถอดเสียงคลังเสียงอ่านชุดเดียวกันใน 29 ภาษา ซึ่งเป็นทุกภาษาที่หน้ารายการ Lesskeys บน App Store ให้บริการ บน Apple Silicon ด้วยการตั้งค่าตัวถอดรหัสเดียวกับที่แอปใช้เอง (greedy ไม่ใช้ beam search) อัตราที่รายงานคืออัตราความผิดพลาดระดับคำ ยกเว้นภาษาญี่ปุ่น เกาหลี ไทย และจีน ซึ่งคำไม่ได้คั่นด้วยช่องว่าง จึงใช้อัตราความผิดพลาดระดับตัวอักษรแทน ยิ่งต่ำยิ่งดี

● แสดงโมเดลที่ดีที่สุดของแต่ละภาษา คอลัมน์ที่ไฮไลต์คือโมเดล 547 MB ซึ่งเป็นค่าเริ่มต้นใน Lesskeys 3.1.4 และเป็นเกณฑ์เทียบของทุกอย่างข้างต้น † แสดงแถวที่อยู่ระหว่างวัดใหม่ บนโทรศัพท์ให้เลื่อนตารางไปด้านข้าง ชื่อภาษาจะอยู่ในมุมมองเสมอ

ข้อจำกัดของการทดสอบนี้

หนึ่งช่วงเสียงต่อภาษา (ประมาณ 1,000 คำ หรือประมาณ 2,000 ตัวอักษรสำหรับภาษาที่วัดระดับตัวอักษร) พอแยกความต่างที่ใหญ่ได้ แต่ไม่พอตัดสินความต่างเล็ก ๆ เมื่อหน้านี้บอกว่าโมเดล “ยังใช้ได้ดี” ให้อ่านว่าแยกกันไม่ออกที่ขนาดตัวอย่างนี้ ไม่ใช่พิสูจน์แล้วว่าเหมือนกัน
whisper-cli ด้วยการตั้งค่าบริบทและการถอดรหัสของแอป ไม่ใช่ไปป์ไลน์เต็มของ Lesskeys ซึ่งเพิ่มการตรวจจับช่วงที่มีเสียงพูด ตัวกรองข้อความหลอน การปรับระดับเสียง และการจำกัดภาษา ตารางนี้ไม่ได้วัดไปป์ไลน์นั้น
เป็นเสียงอ่าน ไม่ใช่การประชุม เสียงสนทนาและเสียงพูดทับกันยากกว่ามาก
อัตราสัมบูรณ์สูงเกินจริงอยู่บ้าง จากความต่างด้านรูปแบบของตัวเลขและเครื่องหมายวรรคตอน ที่คนอ่านจะไม่นับเป็นข้อผิดพลาด ส่วนที่เชื่อถือได้คือการเปรียบเทียบระหว่างโมเดลในภาษาเดียวกัน การเปรียบเทียบระหว่างภาษามีความคลาดเคลื่อนมากกว่า

คำถาม

คำถามเกี่ยวกับความแม่นยำของ Whisper แยกตามภาษา

ควรรันโมเดล Whisper ตัวไหนบน Mac

ใน 23 จาก 29 ภาษาที่วัด โมเดล Large V3 Turbo แบบควอนไทซ์ขนาด 547 MB แม่นยำเท่าโมเดลที่ใหญ่กว่าทุกตัว จึงเป็นค่าเริ่มต้นที่สมเหตุสมผล ข้อยกเว้นอยู่ในรายการของหน้านี้ ในภาษาเหล่านั้นโมเดล v3-q5 ขนาด 1.0 GB คุ้มกับการดาวน์โหลดที่เพิ่มขึ้น

การควอนไทซ์โมเดล Whisper ทำให้ความแม่นยำลดลงไหม

แทบไม่ลด ใน 29 ภาษา โมเดลความละเอียดเต็มขนาด 3 GB ไม่เคยชนะโมเดลควอนไทซ์ขนาด 1.0 GB เกิน 1.2 จุดเปอร์เซ็นต์ และตัวเริ่มต้นแบบควอนไทซ์ขนาด 547 MB เท่าเทียมกับโมเดลที่ใหญ่กว่ามากในเกือบทุกภาษา

โมเดล Whisper ที่ใหญ่กว่าแม่นยำกว่าเสมอไหม

ไม่เสมอไป โมเดล turbo ขนาด 1.6 GB ได้คะแนนแย่กว่าตัวเริ่มต้นขนาด 547 MB ในเชิงตัวเลขใน 9 จาก 29 ภาษาที่วัด ขนาดของโมเดลจึงไม่ใช่ตัวบ่งชี้ความแม่นยำที่เชื่อถือได้ในแต่ละภาษา

วัดผลบนคลาวด์หรือเปล่า

ไม่ใช่ ทุกตัวเลขได้มาจากการรันในเครื่องบน Apple Silicon ซึ่งเป็นวิธีเดียวกับที่ Lesskeys ถอดเสียง คือเสียงไม่ออกจากเครื่อง

เพิ่มเติม

อ่านเรื่องถัดไป

ควรใช้โมเดล Whisper ตัวไหนบน Mac

เปรียบเทียบความแม่นยำ

ภาษาที่ Lesskeys เข้าใจ

อ่าน

เมื่อ Whisper หยุดก่อนเวลาแต่บอกว่าเสร็จแล้ว

ข้อผิดพลาดที่รายงานว่าสำเร็จ และวิธีจับให้ได้

อ่าน

การถอดเสียงในเครื่องทำงานอย่างไร

สิ่งที่เกิดขึ้นระหว่างเสียงของคุณกับข้อความบนคอมพิวเตอร์

ทีละขั้น

และส่วนที่ยังต้องใช้อินเทอร์เน็ต

อ่าน

การถอดเสียงแบบ on-device คืออะไร

“on-device” หมายถึงอะไร ต่างจากเครื่องมือบนคลาวด์อย่างไร ต้องใช้อะไร และเสียเปรียบตรงไหน

อ่าน

Whisper บน Mac

ใช้ Whisper บน Windows

ใช้การรู้จำเสียง Whisper แบบออฟไลน์บน Mac: ติดตั้งแอป พิมพ์ด้วยเสียงหรือเพิ่มไฟล์ แล้วไม่มีอะไรถูกอัปโหลด

ใช้การรู้จำเสียง Whisper แบบออฟไลน์บนพีซี Windows: ติดตั้งแอป พิมพ์ด้วยเสียงหรือเพิ่มไฟล์ แล้วไม่มีอะไรถูกอัปโหลด

อ่าน

คู่มือทั้งหมด

หน้าแรก Lesskeys

เลือกโมเดล Whisper สำหรับภาษาของคุณ บน Mac ของคุณเอง

Lesskeys ดาวน์โหลดโมเดล Whisper หนึ่งครั้งแล้วถอดเสียงบน Mac ของคุณ พร้อมตรวจจับภาษาอัตโนมัติใน 99 ภาษา ไม่มีการอัปโหลด และต้องใช้ macOS 13 ขึ้นไปบน Apple Silicon Lesskeys ใช้งานบน Windows 10 และ 11 ได้เช่นกัน

ดูเพิ่ม: แปลงเสียงเป็นข้อความบน Macดูเพิ่ม: แปลงเสียงเป็นข้อความบน Windows

ดาวน์โหลดสำหรับ Mac

ดาวน์โหลดสำหรับ Windows

ดาวน์โหลดอื่น ๆ

macOS 13 ขึ้นไปบน Apple Silicon · ไม่มีค่าบริการรายเดือน

ความแม่นยำ​ของ Whisper ใน 29 ภาษา

แถว​ที่อยู่​ระหว่าง​วัด​ใหม่

โมเดล 547 MB ยัง​ใช้ได้​ดี

เมื่อ​โมเดล​ที่​ใหญ่​กว่าคุ้ม​กับ​ขนาด

โมเดล​ที่​ใหญ่​กว่าไม่​ได้​แม่นยำ​กว่า​เสมอไป

ง่าย​ที่สุด​และยาก​ที่สุด

การถอน​ข้อความ ที่เก็บ​ไว้​ที่​เดิม

ตารางเต็ม วิธีวัด และ​ข้อจำกัด

คำถาม​เกี่ยวกับ​ความแม่นยำ​ของ Whisper แยก​ตาม​ภาษา

อ่าน​เรื่อง​ถัดไป

ความแม่นยำของ Whisper ใน 29 ภาษา

แถวที่อยู่ระหว่างวัดใหม่

โมเดล 547 MB ยังใช้ได้ดี

เมื่อโมเดลที่ใหญ่กว่าคุ้มกับขนาด

โมเดลที่ใหญ่กว่าไม่ได้แม่นยำกว่าเสมอไป

ง่ายที่สุดและยากที่สุด

การถอนข้อความ ที่เก็บไว้ที่เดิม

ตารางเต็ม วิธีวัด และข้อจำกัด

คำถามเกี่ยวกับความแม่นยำของ Whisper แยกตามภาษา

อ่านเรื่องถัดไป