OpenAI همس
Whisper هو نظام التعرف التلقائي على الكلام مفتوح المصدر الخاص بـ OpenAI والذي يقوم بنسخ وترجمة الصوت المنطوق عبر عشرات اللغات.
نظرة عامة
It matters because it brought robust, free, near-human transcription to anyone who can run the model.
الغوص العميق
تم إصدار Whisper في سبتمبر 2022، وتم تدريبه على ما يقرب من 680 ألف ساعة من التسجيلات الصوتية متعددة اللغات والمهام المتعددة التي تم جمعها من الويب. إن مجموعة البيانات الضخمة والمتنوعة هذه هي سر قوتها: فهي تتعامل مع اللهجات، وضوضاء الخلفية، والمصطلحات التقنية بشكل أفضل بكثير من الأنظمة القديمة، دون الحاجة إلى الضبط الدقيق لكل مجال جديد. يمكن لـ Whisper نسخ الكلام باللغة الأصلية، وترجمة الكلام من العديد من اللغات إلى اللغة الإنجليزية، وتحديد اللغة المنطوقة، وإضافة الطوابع الزمنية. أصدرت OpenAI أوزان النموذج والتعليمات البرمجية بشكل مفتوح، بحيث يتم تشغيله محليًا على جهاز كمبيوتر محمول أو في مركز بيانات، مما أدى إلى زيادة هائلة في أدوات المجتمع وعمليات إعادة التنفيذ الأسرع والتطبيقات المبنية فوقه. تختلف الدقة باختلاف اللغة وجودة الصوت، وكما هو الحال مع جميع هذه الأنظمة، يمكنها في بعض الأحيان "الهلوسة" بالنص.
البصيرة الفنية
Whisper عبارة عن وحدة فك تشفير وتشفير للمحولات تم تدريبها كمهمة تسلسل إلى تسلسل. يتم تحويل الصوت إلى مخطط طيفي log-Mel، وهو تمثيل مرئي للترددات بمرور الوقت، والذي يعالجه المشفر. بعد ذلك، يتنبأ جهاز فك التشفير بالرموز المميزة للنص، المشروطة برموز خاصة تخبر النموذج بالمهمة التي يجب تنفيذها: النسخ، أو الترجمة، أو اكتشاف اللغة، أو إضافة الطوابع الزمنية. ونظرًا لأنه تعلم من صوت الويب ذو التصنيف الضعيف عبر العديد من المهام في وقت واحد، فإن النموذج الواحد يعمم على نطاق واسع بدلاً من ضبطه لمعيار واحد ضيق.
التأثير الاستراتيجي
الوصول والوصول
يعمل على تحسين إمكانية الوصول من خلال واجهات النسخ والسرد والصوت.
التكلفة والميزانية
يمكن للفرق الإعلامية شحن الصوت المصقول بشكل أسرع بميزانيات أصغر.
السرعة والحجم
يمكن للأنظمة التي تواجه العملاء معالجة التفاعلات المنطوقة على نطاق أوسع.
مستقبل OpenAI الهمس
أصبح Whisper حجر الأساس الافتراضي للنسخ، ويتجه الاتجاه نحو المتغيرات الأسرع والأصغر حجمًا وفي الوقت الفعلي التي تعمل على الهواتف والأجهزة الطرفية. توقع دعمًا أكثر صرامة للبث، وفصلًا أفضل للمتحدثين، وتكاملًا مع نماذج اللغات الكبيرة للتنظيف والتلخيص والتعليق المباشر. تعني الأوزان المفتوحة أن المجتمع يستمر في تحسينه، بينما يقوم OpenAI وآخرون بدفع نماذج الكلام الأحدث. ويظل الحد من النصوص المهلوسة، خاصة في الاستخدام الطبي والقانوني، يمثل أولوية نشطة.
التنفيذ في العالم الحقيقي
يقوم الصحفي بنسخ المقابلات المسجلة تلقائيًا بدلاً من كتابتها يدويًا
تقوم منصة البودكاست بإنشاء نصوص وتعليقات توضيحية قابلة للبحث لكل حلقة
تنتج أداة الاجتماع تسميات توضيحية مباشرة وسجلًا مكتوبًا لمكالمة فيديو
يقوم الباحث بترجمة التسجيلات الميدانية للغة المنطوقة إلى نص باللغة الإنجليزية لتحليلها
المخاطر والدرابزين
تزداد مخاطر إساءة استخدام الصوت وانتحال الشخصية عند فقدان الموافقة.
يمكن أن تنخفض الدقة عبر اللهجات أو اللهجات أو البيئات الصاخبة.
يمكن الخلط بين الصوت الاصطناعي والكلام الأصيل دون تصنيف واضح.
خارطة طريق التنفيذ
الحصول على موافقة صريحة لالتقاط الصوت واستنساخه وإعادة استخدامه.
اختبار الجودة عبر مكبرات الصوت المتنوعة وظروف الخلفية.
تحديد متى يجب على الإنسان مراجعة المخرجات أو الموافقة عليها.
قم بتسمية الصوت الاصطناعي واحتفظ بسجلات المصدر للمساءلة.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the OpenAI Whisper quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
الهمس محاذاة الكلمات ذات الطابع الزمني
الأسئلة المتداولة
What is OpenAI Whisper?
Whisper هو نظام التعرف التلقائي على الكلام مفتوح المصدر الخاص بـ OpenAI والذي يقوم بنسخ وترجمة الصوت المنطوق عبر عشرات اللغات. إنه مهم لأنه قدم نسخًا قويًا ومجانيًا وشبه بشري لأي شخص يمكنه تشغيل النموذج.
ما هو الغرض الرئيسي من همس OpenAI؟
Whisper هو نظام التعرف التلقائي على الكلام الذي يقوم بنسخ وترجمة الصوت المنطوق عبر العديد من اللغات.
ما مقدار الصوت الذي تم تدريب Whisper عليه تقريبًا؟
تم تدريب Whisper على ما يقرب من 680,000 ساعة من التسجيلات الصوتية متعددة اللغات والمهام المتعددة التي تم جمعها من الويب، مما يعزز متانتها.
ما هو تمثيل الصوت الذي يعالجه برنامج تشفير Whisper؟
يتم تحويل الصوت إلى مخطط طيفي log-Mel، وهو تمثيل لمحتوى التردد مع مرور الوقت، والذي يقرأه جهاز تشفير Transformer.
ما هي الإمكانية التي لا توفرها Whisper أصلاً؟
يتعامل Whisper مع النسخ والترجمة إلى الإنجليزية واكتشاف اللغة والطوابع الزمنية، ولكنه ليس منشئًا للفيديو.
لماذا أثار Whisper موجة من أدوات وتطبيقات المجتمع؟
نظرًا لأن OpenAI مفتوح المصدر للأوزان والتعليمات البرمجية، يمكن للمطورين تشغيل Whisper محليًا وإنشاء العديد من الأدوات وعمليات إعادة التنفيذ بشكل أسرع.