OpenAI Mnong'ono
Whisper ni OpenAI mfumo wa utambuzi wa usemi otomatiki wa chanzo huria ambao unanukuu na kutafsiri sauti inayozungumzwa katika lugha nyingi.
Muhtasari
It matters because it brought robust, free, near-human transcription to anyone who can run the model.
Dive ya kina
Iliyotolewa mnamo Septemba 2022, Whisper ilifunzwa kwa takriban saa 680,000 za sauti za lugha nyingi na za kazi nyingi zilizokusanywa kutoka kwa wavuti. Seti hiyo kubwa ya data ni siri ya uimara wake: inashughulikia lafudhi, kelele za chinichini, na jargon ya kiufundi bora zaidi kuliko mifumo ya zamani, bila kuhitaji kusawazishwa kwa kila kikoa kipya. Whisper inaweza kunakili usemi katika lugha asilia, kutafsiri hotuba kutoka lugha nyingi hadi Kiingereza, kutambua lugha inayozungumzwa na kuongeza mihuri ya muda. OpenAI ilitoa vielelezo vya uzani na msimbo kwa uwazi, kwa hivyo hutumika kwenye kompyuta ndogo au kituo cha data, jambo ambalo lilichochea mlipuko wa zana za jumuiya, urekebishaji wa haraka na programu zilizoundwa juu yake. Usahihi hutofautiana kulingana na ubora wa lugha na sauti, na kama mifumo yote kama hiyo mara kwa mara inaweza 'kuhalalisha' maandishi.
Ufahamu wa Kiufundi
Whisper ni avkodare ya Transfoma iliyofunzwa kama kazi ya mfuatano hadi-mfuatano. Sauti inabadilishwa kuwa spekrogramu ya logi-Mel, kiwakilishi-kama cha taswira ya masafa kwa wakati, ambayo kisimbaji huchakata. Kisha avkodare hutabiri tokeni za maandishi, zikiwa na tokeni maalum zinazouambia muundo ni kazi gani ya kufanya: kunakili, kutafsiri, kugundua lugha au kuongeza mihuri ya muda. Kwa sababu ilijifunza kutoka kwa sauti ya wavuti iliyo na lebo hafifu katika kazi nyingi kwa wakati mmoja, muundo mmoja hujumlisha kwa upana badala ya kupangiliwa kwa alama moja finyu.
Athari za kimkakati
Kufikia na kufikia
Huboresha ufikiaji kupitia manukuu, simulizi na violesura vya sauti.
Cost and budget
Timu za media zinaweza kusafirisha sauti iliyoboreshwa haraka na bajeti ndogo.
Kasi na kiwango
Mifumo inayowakabili wateja inaweza kuchakata mwingiliano wa mazungumzo kwa kiwango kikubwa.
Mustakabali wa OpenAI Mnong'ono
Whisper imekuwa njia chaguomsingi ya unukuu, na mwelekeo unaelekea kwa vibadala vya kasi zaidi, vidogo na vya wakati halisi vinavyotumika kwenye simu na vifaa vya makali. Tarajia usaidizi mkali zaidi wa utiririshaji, utenganishaji bora wa spika, na ujumuishaji na miundo mikubwa ya lugha kwa ajili ya kusafisha, muhtasari na manukuu ya moja kwa moja. Uzito wazi humaanisha kuwa jumuiya inaendelea kuiboresha, huku OpenAI na wengine wakisukuma miundo mipya ya matamshi. Kupunguza maandishi ya uwongo, haswa katika matumizi ya matibabu na kisheria, bado ni kipaumbele.
Utekelezaji wa Ulimwengu Halisi
Mwandishi wa habari anaandika mahojiano yaliyorekodiwa kiotomatiki badala ya kuyaandika kwa mkono
Jukwaa la podcast hutengeneza manukuu na manukuu yanayoweza kutafutwa kwa kila kipindi
Zana ya mkutano hutoa manukuu ya moja kwa moja na rekodi iliyoandikwa ya Hangout ya Video
Mtafiti hutafsiri rekodi za uga za lugha inayozungumzwa katika maandishi ya Kiingereza kwa uchambuzi
Hatari & Walinzi
Hatari za matumizi mabaya ya sauti na uigaji huongezeka wakati kibali kinakosekana.
Usahihi unaweza kushuka katika lafudhi, lahaja au mazingira yenye kelele.
Sauti ya syntetisk inaweza kudhaniwa kimakosa kuwa usemi halisi bila kuweka lebo wazi.
Ramani ya Utekelezaji
Pata idhini ya moja kwa moja ya kunasa sauti, kuunda na kutumia tena.
Jaribu ubora kwenye spika na hali mbalimbali za usuli.
Bainisha wakati ni lazima binadamu akague au aidhinishe matokeo.
Weka lebo sauti ya sintetiki na uhifadhi rekodi za asili kwa uwajibikaji.
Endelea Kuchunguza
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
Mwongozo unaofuata
Mpangilio wa Neno Uliowekwa Muhuri wa Wakati
Maswali yanayoulizwa mara kwa mara
What is OpenAI Whisper?
Whisper ni OpenAI mfumo wa utambuzi wa usemi otomatiki wa chanzo huria ambao unanukuu na kutafsiri sauti inayozungumzwa katika lugha nyingi. Ni muhimu kwa sababu ilileta unukuzi thabiti, usiolipishwa, karibu na wa kibinadamu kwa mtu yeyote anayeweza kuendesha kielelezo.
Je, lengo kuu la OpenAI ni nini?
Whisper ni mfumo otomatiki wa utambuzi wa usemi ambao unanukuu na kutafsiri sauti inayozungumzwa katika lugha nyingi.
Takribani Whisper alifunzwa sauti kiasi gani?
Whisper alifunzwa kwa takriban saa 680,000 za sauti za lugha nyingi, za kazi nyingi zilizokusanywa kutoka kwa wavuti, ambazo huchochea uimara wake.
Je, ni uwakilishi gani wa sauti unaochakata usimbaji wa Whisper?
Sauti inabadilishwa kuwa spekrogramu ya logi-Mel, kiwakilishi cha maudhui ya marudio kwa muda, ambayo kisimbaji cha Transformer kinasoma.
Ni uwezo gani ambao Whisper NOT asili hutoa?
Whisper hushughulikia unukuzi, tafsiri hadi Kiingereza, utambuzi wa lugha na mihuri ya muda, lakini si jenereta ya video.
Kwa nini Whisper alizua wimbi la zana na programu za jumuiya?
Kwa sababu OpenAI ilitoa uzani na msimbo wa chanzo huria, wasanidi wanaweza kuendesha Whisper ndani ya nchi na kuunda zana nyingi na ukamilishaji kwa haraka.