التاليالدليل التالي
التعرف على الكلام للأشخاص ذوي الكلام غير النمطي
الذكاء الاصطناعي الصوتي
دليل الصوت AI
التعرف على الكلام الهمس
Whisper is OpenAI’s multilingual speech-recognition model, trained with large-scale weak supervision on approximately 680,000 hours of web-collected audio.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~1 min
في هذه الصفحة1 دقيقة قراءة
نظرة عامة
Its encoder-decoder design supports transcription, English translation, language identification, and timestamps, while accuracy varies by language, recording, and task.
الغوص العميق
Introduced in 2022, Whisper is a Transformer encoder-decoder trained on approximately 680,000 hours of multilingual audio paired with transcripts or translation text collected from the web. The data is uneven across languages, and performance varies by language and task. Whisper processes audio in 30-second chunks and uses task and language tokens to select transcription, English translation, or timestamped output. Released weights and inference code are under the MIT license.
التنفيذ في العالم الحقيقي
إنشاء نصوص وتسميات توضيحية قابلة للبحث تلقائيًا للبودكاست ومقاطع فيديو YouTube
تشغيل تطبيقات ملاحظات الاجتماعات المباشرة التي تنتج ملخصات من صوت Zoom أو Teams
ترجمة المقابلات باللغة الأجنبية مباشرة إلى نص باللغة الإنجليزية للصحفيين
إنشاء أدوات إمكانية الوصول والإملاء التي يتم التحكم فيها بالصوت للمستخدمين الذين لا يستطيعون الكتابة
مستقبل التعرف على الكلام الهمس
Whisper’s release supports transcription and captioning applications. Real-world performance depends on language coverage, audio quality, accents, domain vocabulary, and evaluation conditions. Measure error rates on representative recordings, with human review where transcripts have consequential use.
وضعها موضع التنفيذ
لماذا يهم
- 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.
احترس من
- 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.
الخطوات التالية
- 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
رسالة إخبارية مجانية
احصل على الإحاطة اليومية لمنظمة العفو الدولية
ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.
بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.
اختبر نفسك
Take the Whisper Speech Recognition quiz
تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.
دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع
الأسئلة المتداولة
ما هو التعرف على الكلام بالهمس؟
Whisper is OpenAI’s multilingual speech-recognition model, trained with large-scale weak supervision on approximately 680,000 hours of web-collected audio. Its encoder-decoder design supports transcription, English translation, language identification, and timestamps, while accuracy varies by language, recording, and task.
ما هو عدد ساعات الصوت التي تدرب عليها Whisper تقريبًا؟
تم تدريب Whisper على حوالي 680 ألف ساعة من التسجيلات الصوتية متعددة اللغات والمهام التي تم جمعها من الويب، وهي مجموعة بيانات كبيرة ومتنوعة بشكل غير عادي.
ما هو التمثيل الوسيط الذي يحسبه Whisper من الصوت الخام قبل برنامج التشفير؟
يقوم Whisper بتحويل كل مقطع صوتي مدته 30 ثانية إلى مخطط طيفي log-Mel مكون من 80 قناة، والذي يعالجه جهاز تشفير Transformer.
كيف يقوم نموذج Whisper واحد بأداء مهام متعددة مثل النسخ والترجمة؟
شروط الهمس على الرموز الخاصة في بداية فك التشفير والتي تخبره باللغة والمهمة وما إذا كان سيتم إصدار طوابع زمنية.
ما هي البنية العصبية الشاملة التي يستخدمها Whisper؟
Whisper عبارة عن محول تشفير وفك تشفير: يقرأ جهاز التشفير المخطط الطيفي ويقوم جهاز فك التشفير بإنشاء رموز نصية بشكل انحداري.
لماذا يعتبر Whisper قويًا بشكل خاص مقارنة بأنظمة ASR السابقة؟
التدريب على كميات هائلة من الصوت المتنوع في العالم الحقيقي (اللهجات، والضوضاء، والحديث المتبادل) أعطى Whisper قوة قوية خارج الصندوق دون ضبط لكل مجال.
استمر في التعلم
أدلة ذات صلة
تم اختيار المزيد من الأدلة لهذا الموضوع