OpenAI 속삭임
Whisper는 수십 개의 언어로 음성 오디오를 기록하고 번역하는 OpenAI의 오픈 소스 자동 음성 인식 시스템입니다.
개요
It matters because it brought robust, free, near-human transcription to anyone who can run the model.
심층 분석
2022년 9월에 출시된 Whisper는 웹에서 수집한 약 680,000시간의 다국어, 멀티태스킹 오디오에 대한 교육을 받았습니다. 거대하고 다양한 데이터 세트는 견고함의 비결입니다. 각각의 새로운 도메인에 대해 미세 조정할 필요 없이 이전 시스템보다 훨씬 더 나은 악센트, 배경 소음 및 기술 전문 용어를 처리합니다. Whisper는 원래 언어로 음성을 기록하고, 여러 언어의 음성을 영어로 번역하고, 음성 언어를 식별하고, 타임스탬프를 추가할 수 있습니다. OpenAI는 모델 가중치와 코드를 공개적으로 공개하여 노트북이나 데이터 센터에서 로컬로 실행되도록 했으며, 이로 인해 커뮤니티 도구가 폭발적으로 증가하고 재구현 속도가 빨라졌으며 이를 기반으로 앱이 구축되었습니다. 정확도는 언어 및 오디오 품질에 따라 다르며 모든 시스템과 마찬가지로 때때로 텍스트를 '환각'시킬 수 있습니다.
기술적 통찰력
Whisper는 시퀀스 간 작업으로 훈련된 Transformer 인코더-디코더입니다. 오디오는 인코더가 처리하는 시간 경과에 따른 주파수를 시각적으로 표현하는 Log-Mel 스펙트로그램으로 변환됩니다. 그런 다음 디코더는 스크립트 작성, 번역, 언어 감지, 타임스탬프 추가 등 수행할 작업을 모델에 알려주는 특수 토큰을 사용하여 텍스트 토큰을 예측합니다. 한 번에 여러 작업에 걸쳐 약한 레이블이 지정된 웹 오디오에서 학습했기 때문에 단일 모델은 하나의 좁은 벤치마크에 맞춰 조정되는 대신 광범위하게 일반화됩니다.
전략적 영향
접근 및 도달
전사, 내레이션, 음성 인터페이스를 통해 접근성을 향상시킵니다.
비용 및 예산
미디어 팀은 더 적은 예산으로 세련된 오디오를 더 빠르게 출시할 수 있습니다.
속도와 규모
고객 대면 시스템은 음성 상호 작용을 더 큰 규모로 처리할 수 있습니다.
OpenAI 속삭임의 미래
Whisper는 전사를 위한 기본 구성 요소가 되었으며, 휴대폰과 에지 장치에서 실행되는 더 빠르고 작은 실시간 변형을 지향하는 추세입니다. 더 엄격한 스트리밍 지원, 더 나은 화자 분리, 정리, 요약 및 라이브 캡션을 위한 대규모 언어 모델과의 통합을 기대하세요. 개방형 가중치는 커뮤니티가 이를 계속 최적화하는 반면 OpenAI 및 기타 사람들은 최신 음성 모델을 추진한다는 의미입니다. 특히 의료 및 법적 용도에서 환각적인 텍스트를 줄이는 것이 여전히 최우선 과제입니다.
실제 구현
기자는 녹음된 인터뷰를 손으로 입력하는 대신 자동으로 전사합니다.
팟캐스트 플랫폼은 모든 에피소드에 대해 검색 가능한 대본과 캡션을 생성합니다.
회의 도구는 실시간 캡션과 화상 통화 기록을 생성합니다.
연구원은 분석을 위해 음성 언어 현장 녹음을 영어 텍스트로 번역합니다.
위험 및 가드레일
동의가 없으면 음성 오용 및 명의 도용 위험이 높아집니다.
악센트, 방언 또는 시끄러운 환경에서는 정확도가 떨어질 수 있습니다.
합성 오디오는 명확한 라벨링이 없으면 실제 음성으로 오인될 수 있습니다.
구현 로드맵
음성 캡처, 복제 및 재사용에 대한 명시적인 동의를 얻습니다.
다양한 화자와 배경 조건에서 품질을 테스트합니다.
사람이 출력을 검토하거나 승인해야 하는 시기를 정의합니다.
합성 오디오에 라벨을 붙이고 책임을 묻기 위해 출처 기록을 보관하세요.
계속 탐색하세요
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
다음 가이드
속삭임 타임스탬프가 있는 단어 정렬
자주 묻는 질문
What is OpenAI Whisper?
Whisper는 수십 개의 언어로 음성 오디오를 기록하고 번역하는 OpenAI의 오픈 소스 자동 음성 인식 시스템입니다. 모델을 실행할 수 있는 모든 사람에게 강력하고 무료이며 인간에 가까운 전사를 제공했기 때문에 중요합니다.
OpenAI의 속삭임의 주요 목적은 무엇입니까?
Whisper는 여러 언어로 음성 오디오를 기록하고 번역하는 자동 음성 인식 시스템입니다.
Whisper는 대략 얼마나 많은 오디오를 훈련받았나요?
Whisper는 웹에서 수집한 약 680,000시간의 다국어, 멀티태스킹 오디오를 통해 교육을 받았고, 이는 견고성을 뒷받침합니다.
Whisper의 인코더는 어떤 오디오 표현을 처리합니까?
오디오는 시간 경과에 따른 주파수 내용을 나타내는 Log-Mel 스펙트로그램으로 변환되며 Transformer 인코더는 이를 읽습니다.
Whisper가 기본적으로 제공하지 않는 기능은 무엇입니까?
Whisper는 전사, 영어 번역, 언어 감지 및 타임스탬프를 처리하지만 비디오 생성기는 아닙니다.
Whisper가 커뮤니티 도구와 앱의 물결을 촉발한 이유는 무엇입니까?
OpenAI이 가중치와 코드를 오픈 소스로 제공했기 때문에 개발자는 Whisper를 로컬로 실행하고 많은 도구를 구축하고 더 빠르게 재구현할 수 있었습니다.