SıradakiSonraki rehber
Atipik Konuşması Olan Kişiler için Konuşma Tanıma
Ses Yapay Zekası
Ses AI KILAVUZU
Fısıltı Konuşma Tanıma
Whisper is OpenAI’s multilingual speech-recognition model, trained with large-scale weak supervision on approximately 680,000 hours of web-collected audio.
Bu kılavuzu dinleyinAI tarafından anlatılan · ~1 min
Bu sayfada1 dakikalık okuma
Genel Bakış
Its encoder-decoder design supports transcription, English translation, language identification, and timestamps, while accuracy varies by language, recording, and task.
Derin Dalış
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.
Gerçek Dünya Uygulaması
Podcast'ler ve YouTube videoları için otomatik olarak aranabilir transkriptler ve altyazılar oluşturma
Zoom veya Teams sesinden özetler üreten canlı toplantı notları uygulamalarını destekleme
Yabancı dildeki röportajların gazeteciler için doğrudan İngilizce metne çevrilmesi
Yazamayan kullanıcılar için ses kontrollü erişilebilirlik araçları ve dikte araçları oluşturma
Fısıltı Konuşma Tanıma Teknolojisinin Geleceği
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.
Uygulamaya koymak
Neden önemli?
- Erişim ve erişim. Transkripsiyon, anlatım ve ses arayüzleri aracılığıyla erişilebilirliği artırır.
- Maliyet ve bütçe. Medya ekipleri daha küçük bütçelerle daha iyi ses kalitesi sunabilir.
- Hız ve ölçek. Müşteriyle yüz yüze olan sistemler, sözlü etkileşimleri daha büyük ölçekte işleyebilir.
Dikkat edin
- Onay eksik olduğunda sesin kötüye kullanılması ve kimliğe bürünme riskleri artar.
- Aksanlar, lehçeler veya gürültülü ortamlarda doğruluk düşebilir.
- Sentetik ses, net bir etiketleme olmadan, orijinal konuşmayla karıştırılabilir.
Sonraki adımlar
- Sesin yakalanması, klonlanması ve yeniden kullanılması için açık izin alın.
- Kaliteyi farklı hoparlörler ve arka plan koşullarında test edin.
- Bir insanın çıktıları ne zaman incelemesi veya onaylaması gerektiğini tanımlayın.
- Sentetik sesi etiketleyin ve sorumluluk için kaynak kayıtlarını saklayın.
Keşfetmeye Devam Edin
Ücretsiz bülten
Günlük AI brifingini alın
Hafta içi her sabah sade İngilizce yazılmış, doğrulanmış üç yapay zeka hikayesi. Sonsuza kadar ücretsiz, reklam yok.
Hafta içi her gün bir e-posta. Tek tıklamayla aboneliğinizi iptal edin. Adresinizi asla satmayız veya paylaşmayız.
Kendinizi test edin
Take the Whisper Speech Recognition quiz
Her yanıtla ilgili anında geri bildirim ve bir kursu geçtiğinizde doğrulanabilir bir kimliğe sahip paylaşılabilir bir sertifika.
Ücretsiz AI eğitimini destekleyin. AI Understanding, bir 501(c)(3) kâr amacı gütmeyen kuruluştur; hiçbir zaman reklam yoktur, ödeme duvarı yoktur. Bağış yap
Sık sorulan sorular
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.
Whisper yaklaşık olarak kaç saatlik ses eğitimi aldı?
Whisper, alışılmadık derecede büyük ve çeşitli bir veri kümesi olan web'den toplanan yaklaşık 680.000 saatlik çok dilli, çok görevli ses konusunda eğitildi.
Whisper, kodlayıcıdan önce ham sesten hangi ara temsili hesaplıyor?
Whisper, her 30 saniyelik ses parçasını, Transformer kodlayıcının işlediği 80 kanallı bir log-Mel spektrogramına dönüştürür.
Tek bir Whisper modeli, transkripsiyon ve çeviri gibi birden fazla görevi nasıl yerine getirir?
Kod çözmenin başlangıcında, dili, görevi ve zaman damgası yayınlayıp yayınlamayacağını söyleyen özel belirteçlerdeki fısıltı koşulları.
Whisper hangi genel sinir mimarisini kullanıyor?
Whisper, bir kodlayıcı-kod çözücü Transformatörüdür: Kodlayıcı spektrogramı okur ve kod çözücü, otomatik regresif olarak metin belirteçleri üretir.
Whisper'ın önceki ASR sistemleriyle karşılaştırıldığında neden özellikle sağlam olduğu düşünülüyor?
Çok çeşitli, gerçek dünyaya ait ses (vurgular, gürültü, çapraz konuşma) üzerinde eğitim, Whisper'a alan başına ayarlama gerektirmeden güçlü, kullanıma hazır sağlamlık kazandırdı.
Öğrenmeye devam et
İlgili kılavuzlar
Bu konu için daha fazla rehber seçildi