Fluisterspraakherkenning
Whisper is het open-source automatische spraakherkenningssysteem van OpenAI dat audio omzet in tekst in meer dan 90 talen.
Overzicht
It matters because it brought near-human transcription quality to everyone for free, working robustly on accents, background noise, and technical jargon.
Diepe duik
Whisper, uitgebracht door OpenAI in september 2022, is een op Transformer gebaseerd encoder-decoder-model dat is getraind op 680.000 uur aan meertalige, multitask-audio die van internet is geschraapt. In tegenstelling tot eerdere systemen die schone, gelabelde gegevens nodig hadden, leerde Whisper van rommelige opnames uit de echte wereld, waardoor het opmerkelijk goed bestand was tegen accenten, ruis en overspraak. Eén enkel model zorgt voor transcriptie, vertaling in het Engels, taalidentificatie en tijdstempels. Het wordt geleverd in formaten van 'klein' (39 miljoen parameters) tot 'groot' (1,55 miljard), waardoor gebruikers snelheid kunnen inruilen voor nauwkeurigheid. Omdat de gewichten openlijk onder MIT-licenties vallen, werd Whisper vrijwel van de ene op de andere dag de standaardruggengraat voor talloze podcast-transcribenten, ondertitelingstools en stem-apps.
Technisch inzicht
Whisper splitst audio op in stukjes van 30 seconden, converteert elk naar een log-Mel-spectrogram (80 frequentiekanalen) en stuurt dit naar een Transformer-encoder. De decoder voorspelt vervolgens autoregressief teksttokens, geleid door speciale tokens die de taak specificeren (transcriberen vs. vertalen), taal en of tijdstempels moeten worden uitgezonden. Deze multitask-token-conditionering is de slimme truc: één set gewichten voert veel taken uit, afhankelijk van de prompt-tokens die aan het begin van de decodering worden geleverd.
Strategische impact
Access and reach
Het verbetert de toegankelijkheid via transcriptie, gesproken tekst en spraakinterfaces.
Cost and budget
Mediateams kunnen met kleinere budgetten sneller gepolijste audio leveren.
Speed and scale
Klantgerichte systemen kunnen gesproken interacties op grotere schaal verwerken.
De toekomst van fluisterspraakherkenning
Whisper leidde tot een golf van snellere afgeleiden zoals Whisper.cpp, sneller-whisper en gedistilleerde versies die in realtime op telefoons en laptops draaien. Verwacht strakkere streamingvarianten (low-latency), betere sprekerdiarisering en sterkere prestaties in talen met weinig bronnen. Naarmate de audio-AI op het apparaat groeit, zullen lichtgewicht modellen in Whisper-stijl waarschijnlijk live ondertiteling, vergadernotities en toegankelijkheidstools volledig offline aandrijven, waardoor de privacy behouden blijft en tegelijkertijd de nauwkeurigheid van cloudkwaliteit wordt geëvenaard.
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
Risico's en vangrails
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.
Implementatie routekaart
Verkrijg expliciete toestemming voor het vastleggen, klonen en hergebruiken van spraak.
Test de kwaliteit van diverse sprekers en achtergrondomstandigheden.
Bepaal wanneer een mens de output moet beoordelen of goedkeuren.
Label synthetische audio en houd de herkomstgegevens bij voor verantwoording.
Blijf verkennen
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 Whisper Speech Recognition 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
Next guide
Spraak-emotieherkenning
Frequently asked questions
What is Whisper Speech Recognition?
Whisper is het open-source automatische spraakherkenningssysteem van OpenAI dat audio omzet in tekst in meer dan 90 talen. Het is belangrijk omdat het iedereen gratis een bijna menselijke transcriptiekwaliteit biedt, waarbij krachtig wordt gewerkt aan accenten, achtergrondgeluiden en technisch jargon.
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.