WhisperX е пайплайн за транскрипция, разработен от общността около моделите Whisper, с акцент върху дългия звук, времевите маркери на ниво дума, подравняването и разделянето на говорители. Подходящ за случаи, в които обикновената транскрипция не е достатъчна и работният процес се нуждае от субтитри, етикети на говорители или по-точно синхронизиране за монтаж, изследвания или медии.