オーディオAIガイド
ささやき音声認識
Whisper は OpenAI の多言語音声認識モデルで、約68万時間のウェブ収集音声を用いた大規模な弱教師あり学習で訓練されています。
このガイドを聴くAIによるナレーション · ~1 min
概要
Its encoder-decoder design supports transcription, English translation, language identification, and timestamps, while accuracy varies by language, recording, and task.
ディープダイブ
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.
現実世界の実装
ポッドキャストや YouTube ビデオの検索可能なトランスクリプトとキャプションを自動生成
Zoom または Teams の音声から概要を生成するライブ会議メモ アプリを強化する
外国語のインタビューをジャーナリスト向けに英語のテキストに直接翻訳
入力できないユーザー向けに音声制御のアクセシビリティ ツールとディクテーションを構築する
ささやき音声認識の未来
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.
実践する
なぜそれが重要なのか
- アクセスと到達範囲. 文字起こし、ナレーション、音声インターフェイスを通じてアクセシビリティを向上させます。
- 費用と予算. メディア チームは、より少ない予算で洗練されたオーディオをより迅速に出荷できます。
- 速度とスケール. 顧客対応システムは、音声対話を大規模に処理できます。
気をつけてください
- 同意がない場合、音声の悪用やなりすましのリスクが高まります。
- アクセント、方言、または騒がしい環境では精度が低下する可能性があります。
- 合成音声は、明確なラベルが付けられていないと、本物の音声と間違われる可能性があります。
次のステップ
- 音声のキャプチャ、複製、再利用については明示的な同意を取得してください。
- さまざまな話者や背景条件で品質をテストします。
- 人間がいつ出力をレビューまたは承認する必要があるかを定義します。
- 合成音声にラベルを付け、出所記録を保管して説明責任を果たします。
探検を続けましょう
よくある質問
What is Whisper Speech Recognition?
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 のトレーニングはおよそ何時間の音声で行われましたか?
Whisper は、Web から収集された約 680,000 時間の多言語でマルチタスクの音声、つまり異常に大規模で多様なデータセットを使用してトレーニングされました。
Whisper はエンコーダーの前に生のオーディオからどのような中間表現を計算しますか?
Whisper は、30 秒の各オーディオ チャンクを 80 チャネルの log-Mel スペクトログラムに変換し、Transformer エンコーダーが処理します。
単一の Whisper モデルは、転写や翻訳などの複数のタスクをどのように実行するのでしょうか?
デコードの開始時に、言語、タスク、タイムスタンプを発行するかどうかを伝える特別なトークンのウィスパー条件。
Whisper は全体的にどのようなニューラル アーキテクチャを使用していますか?
Whisper はエンコーダ/デコーダ トランスフォーマです。エンコーダはスペクトログラムを読み取り、デコーダは自己回帰的にテキスト トークンを生成します。
Whisper が以前の ASR システムと比べて特に堅牢であると考えられるのはなぜですか?
膨大な量のさまざまな現実世界のオーディオ (アクセント、ノイズ、クロストーク) でのトレーニングにより、Whisper はドメインごとの調整を行わずに、すぐに使用できる強力な堅牢性を実現しました。