Butter

为什么它能获奖 — 本站解读

在满是转写演示的 Whisper 黑客松上，Butter 选的不是最干净的音频，而是最难识别的说话者。口吃语流正是常规语音识别容易崩掉的地方，能在这里给出可用的文本，几乎是语音模型最有说服力的展示。而且它没有停在转写工具，还能回应当事人关于口吃的疑问。从谁在为难出发而非从技术出发，大概正是它进入前三的原因。