OpenAI سرگوشی

It matters because it brought robust, free, near-human transcription to anyone who can run the model.

ستمبر 2022 میں ریلیز ہوئی، Whisper کو تقریباً 680,000 گھنٹے کی کثیر لسانی، ملٹی ٹاسک آڈیو ویب سے جمع کی گئی تھی۔ یہ بہت بڑا اور متنوع ڈیٹاسیٹ اس کی مضبوطی کا راز ہے: یہ لہجے، پس منظر کے شور، اور تکنیکی جرگون کو پرانے سسٹمز سے کہیں زیادہ بہتر طریقے سے ہینڈل کرتا ہے، ہر نئے ڈومین کے لیے اسے ٹھیک کرنے کی ضرورت کے بغیر۔ Whisper تقریر کو اصل زبان میں نقل کر سکتا ہے، کئی زبانوں سے تقریر کا انگریزی میں ترجمہ کر سکتا ہے، بولی جانے والی زبان کی شناخت کر سکتا ہے، اور ٹائم سٹیمپ شامل کر سکتا ہے۔ OpenAI نے ماڈل کے وزن اور کوڈ کو کھلے عام جاری کیا، لہذا یہ مقامی طور پر لیپ ٹاپ پر یا ڈیٹا سینٹر میں چلتا ہے، جس نے کمیونٹی ٹولز، تیزی سے دوبارہ نفاذ، اور اس کے اوپر بنی ایپس کے دھماکے کو ہوا دی۔ درستگی زبان اور آڈیو کوالٹی کے لحاظ سے مختلف ہوتی ہے، اور ایسے تمام سسٹمز کی طرح یہ بھی کبھی کبھار متن کو 'فریب' کر سکتا ہے۔