Audio AI-GIDS

Fluisterspraakherkenning

Whisper is OpenAI’s multilingual speech-recognition model, trained with large-scale weak supervision on approximately 680,000 hours of web-collected audio.

Luister naar deze gidsAI-verteld · ~1 min

Op deze pagina1 minuut lezen
  1. Overzicht
  2. Diepe duik
  3. Implementatie in de echte wereld
  4. De toekomst van fluisterspraakherkenning
  5. Het in de praktijk brengen
  6. Blijf verkennen
  7. Veelgestelde vragen

Overzicht

Its encoder-decoder design supports transcription, English translation, language identification, and timestamps, while accuracy varies by language, recording, and task.

Diepe duik

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.

Implementatie in de echte wereld

Automatisch genereren van doorzoekbare transcripties en bijschriften voor podcasts en YouTube-video's

Mogelijkheid tot apps voor live notulen van vergaderingen die samenvattingen maken van Zoom- of Teams-audio

Interviews in vreemde talen rechtstreeks naar Engelse tekst vertalen voor journalisten

Het bouwen van spraakgestuurde toegankelijkheidstools en dicteerfuncties voor gebruikers die niet kunnen typen

De toekomst van fluisterspraakherkenning

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.

Het in de praktijk brengen

Waarom het ertoe doet

  • Toegang en bereik. Het verbetert de toegankelijkheid via transcriptie, gesproken tekst en spraakinterfaces.
  • Kosten en budget. Mediateams kunnen met kleinere budgetten sneller gepolijste audio leveren.
  • Snelheid en schaal. Klantgerichte systemen kunnen gesproken interacties op grotere schaal verwerken.

Pas op voor

  • Het risico op stemmisbruik en imitatie neemt toe als de toestemming ontbreekt.
  • De nauwkeurigheid kan afnemen bij accenten, dialecten of luidruchtige omgevingen.
  • Synthetische audio kan worden aangezien voor authentieke spraak zonder duidelijke labels.

Volgende stappen

  1. Verkrijg expliciete toestemming voor het vastleggen, klonen en hergebruiken van spraak.
  2. Test de kwaliteit van diverse sprekers en achtergrondomstandigheden.
  3. Bepaal wanneer een mens de output moet beoordelen of goedkeuren.
  4. Label synthetische audio en houd de herkomstgegevens bij voor verantwoording.

Blijf verkennen

Gratis nieuwsbrief

Ontvang de dagelijkse AI-briefing

Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.

Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.

Test jezelf

Take the Whisper Speech Recognition quiz

Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.

Quiz starten

Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie

Veelgestelde vragen

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.

Op hoeveel uur audio is Whisper ongeveer getraind?

Whisper werd getraind op ongeveer 680.000 uur aan meertalige, multitask-audio verzameld via internet, een ongewoon grote en diverse dataset.

Welke tussenweergave berekent Whisper uit onbewerkte audio vóór de encoder?

Whisper converteert elk audiofragment van 30 seconden naar een 80-kanaals log-Mel-spectrogram, dat de Transformer-encoder verwerkt.

Hoe voert een enkel Whisper-model meerdere taken uit, zoals transcriptie en vertaling?

Fluister voorwaarden op speciale tokens aan het begin van de decodering die de taal, taak en of tijdstempels moeten worden uitgezonden.

Welke algemene neurale architectuur gebruikt Whisper?

Whisper is een encoder-decoder Transformer: de encoder leest het spectrogram en de decoder genereert autoregressief teksttokens.

Waarom wordt Whisper als bijzonder robuust beschouwd in vergelijking met eerdere ASR-systemen?

Door te trainen op grote hoeveelheden gevarieerde, real-world audio (accenten, ruis, overspraak) kreeg Whisper een sterke out-of-the-box robuustheid zonder afstemming per domein.