Il prossimoProssima guida
Riconoscimento vocale per persone con linguaggio atipico
IA audio
GUIDA AI audio
Whisper is OpenAI’s multilingual speech-recognition model, trained with large-scale weak supervision on approximately 680,000 hours of web-collected audio.
Ascolta questa guidaNarrato dall'IA · ~1 min
Its encoder-decoder design supports transcription, English translation, language identification, and timestamps, while accuracy varies by language, recording, and task.
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.
Generazione automatica di trascrizioni e didascalie ricercabili per podcast e video di YouTube
Potenziamento di app per appunti di riunioni dal vivo che producono riepiloghi da Zoom o audio di Teams
Traduzione di interviste in lingua straniera direttamente in testo inglese per giornalisti
Creazione di strumenti di accessibilità e dettatura a comando vocale per gli utenti che non possono digitare
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.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
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.
Whisper è stato addestrato su circa 680.000 ore di audio multilingue e multitasking raccolti dal web, un set di dati insolitamente ampio e diversificato.
Whisper converte ogni blocco audio di 30 secondi in uno spettrogramma log-Mel a 80 canali, che il codificatore Transformer elabora.
Condizioni sussurrate su token speciali all'inizio della decodifica che indicano la lingua, l'attività e se emettere timestamp.
Whisper è un trasformatore codificatore-decodificatore: il codificatore legge lo spettrogramma e il decodificatore genera token di testo in modo autoregressivo.
La formazione su enormi quantità di audio vario e reale (accenti, rumore, diafonia) ha dato a Whisper una forte robustezza immediata senza regolazione per dominio.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Riconoscimento vocale per persone con linguaggio atipico
IA audio