개요
Its encoder-decoder design supports transcription, English translation, language identification, and timestamps, while accuracy varies by language, recording, and task.
심층 분석
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.
실제 구현
팟캐스트 및 YouTube 비디오에 대한 검색 가능한 스크립트 및 캡션 자동 생성
Zoom 또는 Teams 오디오에서 요약을 생성하는 실시간 회의 메모 앱 지원
언론인을 위해 외국어 인터뷰를 영어 텍스트로 직접 번역
입력할 수 없는 사용자를 위한 음성 제어 접근성 도구 및 받아쓰기 구축
속삭임 음성 인식의 미래
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.
실천에 옮기기
왜 중요한가요?
- 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.
조심하세요
- 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.
다음 단계
- 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
무료 뉴스레터
일일 AI 브리핑 받기
매주 평일 아침마다 3개의 검증된 AI 스토리를 일반 영어로 작성합니다. 무료이며, 광고 없음.
매주 평일마다 한 번 이메일을 받습니다. 한 번 클릭으로 구독 해지. 주소를 판매하거나 공유하지 않습니다.
자신을 테스트해 보세요
Take the Whisper Speech Recognition quiz
모든 답변에 즉각적인 피드백과, 과정을 통과하면 검증 가능한 ID가 있는 공유 가능한 인증서를 제공합니다.
무료 AI 교육을 지원합니다. AI Understanding는 501(c)(3) 비영리 단체입니다 — 광고 없음, 유료 장벽 없음, 영원히. 기부하기
자주 묻는 질문
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.
Whisper는 대략 몇 시간의 오디오 교육을 받았나요?
Whisper는 웹에서 수집한 약 680,000시간의 다국어, 멀티태스킹 오디오, 즉 비정상적으로 크고 다양한 데이터 세트에 대해 교육을 받았습니다.
Whisper는 인코더 이전의 원시 오디오에서 어떤 중간 표현을 계산합니까?
Whisper는 각 30초 오디오 청크를 Transformer 인코더가 처리하는 80채널 Log-Mel 스펙트로그램으로 변환합니다.
단일 Whisper 모델은 전사 및 번역과 같은 여러 작업을 어떻게 수행합니까?
디코딩 시작 시 언어, 작업 및 타임스탬프 생성 여부를 알려주는 특수 토큰에 대한 조건을 속삭입니다.
Whisper는 어떤 전반적인 신경 아키텍처를 사용합니까?
Whisper는 인코더-디코더 변환기입니다. 인코더는 스펙트로그램을 읽고 디코더는 자동 회귀 방식으로 텍스트 토큰을 생성합니다.
Whisper가 이전 ASR 시스템에 비해 특히 강력하다고 간주되는 이유는 무엇입니까?
엄청난 양의 다양한 실제 오디오(악센트, 소음, 누화)에 대한 교육을 통해 도메인별 튜닝 없이 Whisper에 강력한 기본 견고성을 제공했습니다.