Ihre Privatsphäre ist uns wichtig

Wir verwenden Cookies, um Ihr Surferlebnis zu verbessern, Inhalte zu personalisieren und unseren Datenverkehr zu analysieren. Mit einem Klick auf „Alle akzeptieren“ stimmen Sie der Verwendung von Cookies zu. Cookie-Richtlinie

Weitere Optionen
Zum Inhalt springen
FacthoryFacthory
FacthoryFacthory
    • Arbeitsbereich
    • Agent
    • Wissen
    • Analysen
    • Office-Apps
    • Desktop
    Alle Funktionen
    Neuigkeiten
    Herunterladen
  • Nach Aufgabe

    • Wissensrisiko & Wissenslücken im Unternehmen
    • Wissenschaftliche Forschung & Experimente
    • Autonome Analytik & Erkenntnisgewinnung
    • Einsatzbereitschaft der Belegschaft & adaptives Lernen
    • SOP-Governance & betriebliche Standardisierung
    • Prozesserkennung und kontinuierliche Optimierung
    • Alle Lösungen

    Nach Branche

    • Fertigung
    • Automobil
    • Bau & Infrastruktur
    • Immobilien
    • Öffentlicher Sektor
    • Life Sciences
    • Alle Branchen
  • Facthory für

    • Regulierte Branchen
    • On-Premises
    • Entwickler

    Entdecken

    • Neuigkeiten
    • Blog
    • Fallstudien
    • Webinare
    • Modelle

    Lernen

    • Dokumentation
    • Hilfecenter
  • Preise
  • Download
AnmeldenJetzt starten

Ein Arbeitsbereich für das, was Ihre Organisation weiß, mit einem Agenten, der damit arbeitet.

Produkt

  • Alle Funktionen
  • Arbeitsbereich
  • Agent
  • Wissen
  • Analysen
  • Office-Apps
  • Desktop
  • Herunterladen
  • Preise

Lösungen

  • Wissensrisiko & Wissenslücken im Unternehmen
  • Wissenschaftliche Forschung & Experimente
  • Autonome Analytik & Erkenntnisgewinnung
  • Einsatzbereitschaft der Belegschaft & adaptives Lernen
  • SOP-Governance & betriebliche Standardisierung
  • Prozesserkennung und kontinuierliche Optimierung
  • Alle Lösungen
  • Alle Branchen

Ressourcen

  • Blog
  • Fallstudien
  • Webinare
  • Dokumentation
  • Hilfecenter
  • Modelle
  • ROI-Rechner

Unternehmen

  • Über uns
  • Karriere
  • Presse
  • Markenkit
  • Philosophie
  • Kontakt

Unser Newsletter

Neuigkeiten zu Facthory per E-Mail.

​

© 2026 Facthory. Alle Rechte vorbehalten.
  • Datenschutz
  • Cookie-Richtlinie
  • Allgemeine Geschäftsbedingungen
  • Impressum
  • Cookie-Einstellungen
Alle Modelleopenai

whisper-tiny

automatic-speech-recognition
37,8 Mio. Parameter
apache-2.0
Scan nicht abgeschlossen

Whisper ist ein vorab trainiertes Modell für die automatische Spracherkennung (ASR) und die Sprachübersetzung.

Auf Hugging Face ansehenMit anderen Modellen vergleichen

Steckbrief

Parameter

37,8 Mio.

Kontextlänge

nicht veröffentlicht

Architektur

WhisperForConditionalGeneration

Aufbau

nicht veröffentlicht

Gewichte gespeichert als

float32

Aufgabe

automatic-speech-recognition

Sprachen

en, zh, de, es, ru, ko, fr, ja, pt, tr, pl, ca, nl, ar, sv, it, id, hi, fi, vi, he, uk, el, ms, cs, ro, da, hu, ta, no, th, ur, hr, bg, lt, la, mi, ml, cy, sk, te, fa, lv, bn, sr, az, sl, kn, et, mk

Basiert auf

–

Veröffentlicht

26.09.2022

Zuletzt aktualisiert

29.02.2024

Downloads (letzte 30 Tage)

674.746

Lizenz und Zugang

Lizenz

apache-2.0

Zugang

Gewichte ohne Freigabe herunterladbar

Sicherheit

Sicherheitsscan von Hugging Face

Scan nicht abgeschlossen

Gewichtsdateien nach Format

Safetensors: 1
Pickle-basiert: 1
GGUF: 0
Andere Formate: 2
Pickle-basierte Dateien (.bin, .pt, .pth, .pkl, .ckpt) können beim Laden Code ausführen; Safetensors-Dateien nicht.

Prüfungen von Facthory

Automatisch
Teilweise erfüllt
Sichere Gewichtsformate

Safetensors- oder GGUF-Dateien neben Pickle-basierten.

Nicht belegt
Malware- und Pickle-Scan des Hubs

Der Scan ist nicht abgeschlossen.

Erfüllt
Eine angegebene Lizenz

Die Modellkarte gibt ihre Lizenz an.

Teilweise erfüllt
Veröffentlichte Sicherheitsbewertungen

Die Modellkarte nennt Sicherheitsbewertungen, ohne Ergebnisse.

GPU-Rechner

Wie viel Speicher dieses Modell bei einer Quantisierung, Kontextlänge und Zahl gleichzeitiger Sequenzen braucht, welche GPUs es aufnehmen und wie schnell es generieren kann. Schätzungen aus der veröffentlichten Größe und dem Aufbau des Modells, mit den Annahmen unten.

Gewichte

BF16 / FP16 (16 bit)
​

Kontext je Sequenz: 8K Token

Gleichzeitige Sequenzen: 1

KV-Cache

Speicher

0,1 GB

Gewichte: 0,1 GB

KV-Cache: –

Laufzeit: 0 GB

Der Aufbau des Modells ist nicht veröffentlicht, daher ist der KV-Cache nicht enthalten.

GPUSpeicherBenötigte GPUsJe SequenzAlle Sequenzen
NVIDIA L424 GB
1 ×
2.383 Token/s2.383 Token/s
NVIDIA L40S48 GB
1 ×
6.864 Token/s6.864 Token/s
NVIDIA RTX 6000 Ada48 GB
1 ×
7.627 Token/s7.627 Token/s
NVIDIA RTX PRO 6000 Blackwell96 GB
1 ×
14.237 Token/s14.237 Token/s
NVIDIA A100 80GB SXM80 GB
1 ×
16.199 Token/s16.199 Token/s
NVIDIA H100 SXM80 GB
1 ×
26.615 Token/s26.615 Token/s
NVIDIA H200 SXM141 GB
1 ×
38.135 Token/s38.135 Token/s
AMD Instinct MI300X192 GB
1 ×
42.107 Token/s42.107 Token/s
AMD Instinct MI325X256 GB
1 ×
47.669 Token/s47.669 Token/s
Annahmen
  • Laufzeitspeicher (Aktivierungen, Puffer) beträgt 10 % von Gewichten und KV-Cache, dazu 1 GB je GPU für das Framework.
  • Eine GPU wird zu höchstens 90 % ihres Speichers belegt; Tensor-Parallelität nutzt 1, 2, 4 oder 8 GPUs in einem Server.
  • Die Generierung ist durch die Speicherbandbreite bei 60 % der Herstellerangabe begrenzt: Jeder Schritt liest die Gewichte einmal und den KV-Cache jeder Sequenz. Ein Mixture-of-Experts-Modell liest nur seine aktiven Experten und läuft daher schneller als gezeigt.
  • Speicher und Bandbreite der GPUs sind die veröffentlichten Herstellerangaben.

Profil

Art

Instruktionsmodell

Herkunft

Original

Familie

Whisper

Einsatz

Sprache (Audio)
Übersetzung

Ein- und Ausgabe

Audio → Text

Am 11.11.2026 von Workers AI (@cf/zai-org/glm-4.7-flash) aus der Modellkarte und den Metadaten des Hubs verfasst: eine Lesart des Anbietertexts, von Facthory nicht geprüft.

Veröffentlichte Benchmarks

So, wie die Modellkarte sie veröffentlicht, mit der Quelle, die sie nennt. Facthory hat sie nicht selbst gemessen; ohne Prüfung durch den Hub sind es Angaben des Anbieters.

BenchmarkMetrikErgebnisQuelleZählt für
Common Voice 11.0
hi · test
Zählt nicht: nicht auf unserer Liste
Test WER141ModellkarteZählt nicht: nicht auf unserer Liste
LibriSpeech (clean)
clean · test
Zählt nicht: nicht auf unserer Liste
Test WER7,54ModellkarteZählt nicht: nicht auf unserer Liste
LibriSpeech (other)
other · test
Zählt nicht: nicht auf unserer Liste
Test WER17,15ModellkarteZählt nicht: nicht auf unserer Liste

Die Fähigkeitsbewertung zählt Ergebnisse, die die Autoren des Modells veröffentlichen, für die Benchmarks, die unsere Methodik aufführt, und nur, wo mindestens zwei Modelle im Katalog denselben Benchmark mit derselben Konfiguration und Metrik angeben. Ergebnisse, die eine Karte dem Open LLM Leaderboard zuschreibt, sind Läufe des Leaderboards, und die Evaluierungen von Epoch AI sind die von Epoch: Beide zählen nicht. So bewerten wir Fähigkeiten

EU AI Act

Was der EU AI Act von einem KI-Modell mit allgemeinem Verwendungszweck verlangt, hängt davon ab, wer es wie in der EU in Verkehr bringt. Diese Angaben sind dafür maßgeblich:

  • Lizenz: apache-2.0
  • Zugang: Gewichte ohne Freigabe herunterladbar
  • Parameter: 37,8 Mio.
Automatisch
Vom Crawler von Facthory aus den veröffentlichten Angaben bewertet; noch nicht von einer Person geprüft.

KI-Modell mit allgemeinem Verwendungszweck (Artikel 3 Nummer 63)

Nicht angezeigt. Seine Aufgabe (automatic-speech-recognition) erzeugt weder Text noch Audio, Bilder oder Video, wie es der Richtwert der Kommission verlangt.

Die Artikel 51 bis 55, die Pflichten für KI-Modelle mit allgemeinem Verwendungszweck, binden seinen Anbieter nicht.

Verordnung (EU) 2024/1689, der EU AI Act · Quelle: Verhaltenskodex für KI-Modelle mit allgemeinem Verwendungszweck, gelesen am 08.11.2026

Die EU-AI-Act-Bewertung von Facthory erscheint, sobald eine Person diese Prüfungen geprüft hat. Die Artikel, nach denen wir bewerten

Quelle: Am 18.11.2026 von Hugging Face gelesen, Commit 169d4a4. huggingface.co/openai/whisper-tiny
Vom Crawler von Facthory aus den veröffentlichten Angaben bewertet; noch nicht von einer Person geprüft. So bewerten wir