OpenAIのAI音声認識Whisperをクラウドではないスタンドアロン環境で最高精度のラージモデルで使ってみました。この場合の言語学習モデルは辞書ファイルみたいな物でしょうか。GPUメモリ10GB以上を要求します。ラージモデルは2.7GBほどありました。ミドルでは1.5GBほどです。