Aqoonsiga Hadalka Shaqsiga
Whisper waa OpenAI nidaamka aqoonsiga hadalka tooska ah ee isha furan ee u beddela maqal qoraal 90+ luuqadood ah.
Dulmar
It matters because it brought near-human transcription quality to everyone for free, working robustly on accents, background noise, and technical jargon.
quusid qoto dheer
Waxaa sii daayay OpenAI Sebtembar 2022, Whisper waa qaab beddele ku-saleysan Transformer oo lagu tababaray 680,000 saacadood oo luqado badan ah, maqal hawlo badan oo laga soo xoqay shabakadda. Si ka duwan nidaamyadii hore ee u baahnaa xogta nadiifka ah, sumaysan, Whisper waxay wax ka baratay duubista dunidu qasan tahay, taasoo ka dhigaysa mid si cajiib ah u adkeysata lahjadaha, buuqa, iyo hadalka. Hal nooc ayaa gacanta ku haya qoraalka, tarjumaada Ingiriisiga, aqoonsiga luqadda, iyo habeynta waqtiyada. Waxay ku soo rari kartaa cabbirro 'yar' (39M xuduudaha) ilaa 'weyn' (1.55B), taasoo u oggolaanaysa isticmaaleyaasha inay ku ganacsadaan xawaaraha saxda ah. Sababtoo ah miisaanku si furan ayaa shati loogu haystaa MIT, Whisper waxay noqotay laf-dhabarta asalka u ah qoraal-qoraalayaasha podcast-ka aan la tirin karin, aaladaha qoraalka qoraalka, iyo barnaamijyada codka ku dhawaad hal habeen.
Aragtida Farsamada
Whisper waxay u kala qaybisaa maqalka 30-ilbiriqsi, mid walbana waxay u beddeshaa log-Mel spectrogram (80 soo noqnoqoshada kanaalada), oo waxay ku quudisaa cod-bixiye Transformer ah. Decoder-ku wuxuu markaas saadaaliyaa calaamadaha qoraalka si toos ah, oo ay hagaan calaamado gaar ah oo qeexaya hawsha (qorista vs. Turjumida), luqadda, iyo haddii la sii daayo calaamadaha waqtiyada. Calaamooyinka-qaboojinta-badan ee hawl-qabadkan ayaa ah khiyaamada xariifnimada leh: hal miisaan oo kala duwan ayaa qabta shaqooyin badan iyadoo ku xidhan calaamadaha degdega ah ee la keeno bilowga codaynta.
Saamaynta Istiraatijiyadeed
Helitaanka iyo gaarsiinta
Waxay wanaajisaa marin u helida iyada oo loo marayo qoraal-qorid, sheeko, iyo is-dhexgalyo cod.
Qiimaha iyo miisaaniyada
Kooxaha warbaahintu waxay ku soo rari karaan codka sifaysan si degdeg ah iyagoo wata miisaaniyado yaryar.
Xawaaraha iyo miisaanka
Nidaamyada u jeedda macmiisha waxay ka baaraandegi karaan isdhexgalka hadalka si weyn.
Mustaqbalka Aqoonsiga Hadalka Shaqsiga
Shaqidu waxa ay kicisay mowjado deg-deg ah sida Whisper.cpp, dhoqso-shaqid, iyo noocyo kala duwan oo ku shaqeeya wakhtiga dhabta ah telefoonada iyo laptop-yada. Filo kala duwanaanshiyaha qulqulka adag (daahsoon-hoose), hadal-hadal wanaagsan oo ku lammaan oo garab socda, iyo waxqabadka xooggan ee luqadaha kheyraadka hooseeya. Sida maqalka aaladda AI u korayo, moodooyinka nooca Whisper-style fufudu waxay u badan tahay inay awood u yeeshaan qoraallada tooska ah, qoraallada kulanka, iyo agabka gelitaanka gebi ahaanba offline, iyagoo ilaalinaya sirta iyada oo la mid ah saxnaanta heerka daruuriga.
Dhaqangelinta Adduunka-dhabta ah
Si toos ah u soo saari kara qoraalada la raadin karo iyo qoraallada podcasts iyo fiidiyowyada YouTube
Awood siinta abka kulanka-noocyada tooska ah ee soo saara koobabyada Soo koobida ama Codka Kooxaha
Si toos ah ugu tarjumaadda wareysiyada luqadda ajnabiga ah qoraalka Ingiriisiga ee saxafiyiinta
Dhisidda agabka gelitaanka codka lagu xakameynayo iyo hadalka ee isticmaalayaasha aan qori karin
Khatarta & Dariiqyada Ilaalada
Si xun u isticmaalka codka iyo khataraha is-yeelyeelku way kordhaan marka oggolaanshaha la waayo.
Saxnimadu waxay hoos ugu dhici kartaa lahjadaha, lahjadaha, ama jawiga buuqa badan.
Maqalka synthetic waxaa lagu khaldi karaa hadal dhab ah iyada oo aan si cad loo calaamadin.
Qorshe Hawleedka Dhaqangelinta
Hel ogolaansho cad oo ku saabsan qabashada codka, xidhitaanka, iyo dib u isticmaalka
Tijaabi tayada ku hadasha kala duwan iyo xaaladaha asalka.
Qeex marka bani'aadamku ay tahay inuu dib u eego ama oggolaado wax soo saarka.
Ku calaamadee codka synthetic oo xafid diiwaannada la-xisaabtanka.
Sii wad Sahaminta
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
Hagaha xiga
Aqoonsiga Dareenka Hadalka
Su'aalaha soo noqnoqda
What is Whisper Speech Recognition?
Whisper waa OpenAI nidaamka aqoonsiga hadalka tooska ah ee isha furan ee u beddela maqal qoraal 90+ luuqadood ah. Waa muhiim sababtoo ah waxay qof walba u keentay tayada qoraalka bini'aadamka ee u dhow bilaash, iyadoo si adag uga shaqaynaysa lahjadaha, dhawaaqa asalka ah, iyo ereyada farsamada.
Qiyaastii imisa saacadood oo maqal ah ayaa lagu tababaray Whisper?
Whisper waxaa lagu tababaray ilaa 680,000 saacadood oo luuqado badan ah, maqal hawlo badan oo laga soo ururiyay shabakadda, xog aan caadi ahayn oo ballaaran oo kala duwan.
Waa maxay matalaada dhexe ee Whisper ka xisaabinaysa codka qaydhiin ka hor codeeyaha?
Whisper waxay u beddeshaa qayb kasta oo 30-ilbiriqsi ah oo maqal ah oo u beddela 80-channel log-Mel spectrogram, kaas oo Transformer-ku uu socodsiiyo.
Sidee buu hal nooc oo Whisper ah u qabtaa hawlo badan sida qorista iyo tarjumaada?
Shuruudaha ku sheekee calaamado gaar ah bilawga dejinta koodka kuwaas oo u sheegaya luqadda, hawsha, iyo haddii la sii daayo waraaqaha wakhtiga.
Waa maxay qaab dhismeedka neerfaha guud ee uu Whisper adeegsato?
Whisper waa furaha-decoder-ka-beddelaha: codeeyaha ayaa akhriya spectrogram-ka oo furaha ayaa soo saara calaamadaha qoraalka si toos ah.
Waa maxay sababta Whisper loogu tixgaliyo inay si gaar ah u adag tahay marka la barbar dhigo nidaamyada hore ee ASR?
Tababar ku saabsan tiro aad u badan oo kala duwan, maqal maqal ah oo dunida dhabta ah (lahjadaha, buuqa, iskutallaabtu) waxay siisay Whisper awood xoog leh oo ka baxsan sanduuqa iyada oo aan la hagaajin goob kasta.