Whisper

Bài này dành cho ai muốn chép ghi âm, cuộc họp hay video tiếng Việt ra chữ mà không gửi file lên dịch vụ ngoài. Mình đo sáu model trên RTX 3090 với 857 câu tiếng Việt: large-v3-turbo chạy bằng faster-whisper sai khoảng 9% số từ, chép 3 giờ ghi âm trong 4 phút và chỉ dùng 2.492MiB VRAM.