モデル情報

Whisper：文字起こしの必要 VRAM は、tiny の約 1GB から large の約 10GB

公式 README に、モデルごとの必要 VRAM と相対速度の表があります。

この記事は、提供や依頼を受けて書いたものではありません。数値は各社の公式ページから取得し、公式に書かれていないことは「記載なし」と示します。

OpenAI の Whisper は、README にモデルごとの必要 VRAM の表があります。最も大きい large でも約 10GB です。

公式の記載

項目	内容
tiny・base	約 1GB（速さは約 10 倍・約 7 倍）
small	約 2GB（約 4 倍）
medium	約 5GB（約 2 倍）
turbo	約 6GB（約 8 倍）
large	約 10GB（1 倍）
日本語	`--language Japanese` で指定できる。日本語から英語への翻訳は、turbo ではなく medium か large を使うよう案内されている

出典はすべて公式ページです。取得日は更新日に合わせています。