覆盖不等于能力：Whisper 在非洲语音上的教训

作者在构建 Scribe AI 时通过 Faster-Whisper 本地部署 Whisper，发现其在目标非洲语言和口音上不够可靠，并对照 Whisper 论文的 68 万小时标注音频训练数据解释这一结果。核心结论是模型支持语言列表不能代表实际可用性，选型前需针对目标说话人验证。

AI推荐理由 作者以自建 Scribe AI 的实践说明 Whisper 在非洲语言与口音上效果不佳，并回溯论文中的训练数据构成来解释原因，提出“支持语言列表不等于可用能力”的判断。这是有具体项目背景的一手经验，对评估语音模型落地有参考价值；但正文片段未给出量化评测指标，结论仍属个案。