30 июля 2026 г.
Смена модели не чинит плохой звук: Whisper-large-v3 сломался на записи с 2,5 метра
30 июля инженер под ником ChromaForge выложил замер: MEMS-микрофон телефона в 2,5 метра от говорящего, открытое окно, деревянный стол - и локальный Whisper-large-v3 начал путать глухие согласные. Спектрограмма показала причину: гул трафика на 200-500 Гц поднял шумовой пол, отражения от стола срезали полосу 4-8 кГц, где различаются /s/ и /t/; тот же файл через облако vomo ai с фильтрацией на входе расшифровался чисто.
30 июля инженер под ником ChromaForge выложил замер: MEMS-микрофон телефона в 2,5 метра от говорящего, открытое окно, деревянный стол - и локальный Whisper-large-v3 начал путать глухие согласные. Спектрограмма показала причину: гул трафика на 200-500 Гц поднял шумовой пол, отражения от стола срезали полосу 4-8 кГц, где различаются /s/ и /t/; тот же файл через облако vomo ai с фильтрацией на входе расшифровался чисто.
Что дальше: Прогнать свою худшую запись через Whisper дважды: как есть и после чистки низких частот со спектральным вычитанием, и сравнить WER.
Первоисточник