OpenAI Afẹfẹ
Whisper jẹ OpenAI's ṣiṣi-orisun eto idanimọ ọrọ aladaaṣe ti o ṣe atunkọ ati tumọ ohun ti a sọ kaakiri ọpọlọpọ awọn ede.
Akopọ
O ṣe pataki nitori pe o mu transcription ti o lagbara, ọfẹ, ti o sunmọ-eniyan si ẹnikẹni ti o le ṣiṣe awoṣe naa.
Jin Dive
Ti tu silẹ ni Oṣu Kẹsan ọdun 2022, Whisper jẹ ikẹkọ ni aijọju awọn wakati 680,000 ti ọpọlọpọ ede, ohun afetigbọ multitask ti a gba lati oju opo wẹẹbu. Ti o tobi ati oriṣiriṣi dataset jẹ aṣiri si agbara rẹ: o mu awọn asẹnti, ariwo ẹhin, ati jargon imọ-ẹrọ dara julọ ju awọn ọna ṣiṣe agbalagba lọ, laisi nilo lati wa ni aifwy daradara fun agbegbe tuntun kọọkan. Whisper le ṣe akọwe ọrọ ni ede atilẹba, tumọ ọrọ lati ọpọlọpọ awọn ede si Gẹẹsi, ṣe idanimọ ede ti a sọ, ati ṣafikun awọn aami akoko. OpenAI ṣe idasilẹ awọn iwuwo awoṣe ati koodu ni gbangba, nitorinaa o nṣiṣẹ ni agbegbe lori kọǹpútà alágbèéká kan tabi ni ile-iṣẹ data kan, eyiti o fa bugbamu ti awọn irinṣẹ agbegbe, awọn atunṣe yiyara, ati awọn ohun elo ti a ṣe sori rẹ. Yiye yatọ nipasẹ ede ati didara ohun, ati bi gbogbo iru awọn ọna ṣiṣe o le ṣe ọrọ 'hallucinate' lẹẹkọọkan.
Imọ-imọ-ẹrọ
Whisper jẹ oluyipada koodu-iyipada ti a ti kọ ẹkọ bi iṣẹ-ṣiṣe ti ọna-si-tẹle. Audio ti wa ni iyipada sinu a log-Mel spectrogram, a visual-bi oniduro ti awọn loorekoore lori akoko, eyi ti awọn encoder lakọkọ. Olupilẹṣẹ lẹhinna sọ asọtẹlẹ awọn ami ọrọ, ti o ni ibamu nipasẹ awọn ami pataki ti o sọ fun awoṣe iru iṣẹ ṣiṣe lati ṣe: ṣikọ silẹ, tumọ, ṣawari ede, tabi ṣafikun awọn aami akoko. Nitoripe o kọ ẹkọ lati inu ohun afetigbọ wẹẹbu ti o ni ailagbara kọja ọpọlọpọ awọn iṣẹ-ṣiṣe ni ẹẹkan, awoṣe ẹyọkan n ṣakopọ ni fifẹ dipo ti wa ni aifwy fun aami ala dín kan.
Ipa Ilana
Wiwọle ati arọwọto
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
Iye owo ati isuna
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Iyara ati iwọn
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Ojo iwaju ti OpenAI Whisper
Whisper ti di bulọọki ile aiyipada fun kikọ, ati aṣa naa wa si iyara, kere, ati awọn iyatọ akoko gidi ti o nṣiṣẹ lori awọn foonu ati awọn ẹrọ eti. Reti atilẹyin ṣiṣan ti o ni wiwọ, iyapa agbọrọsọ ti o dara julọ, ati isọpọ pẹlu awọn awoṣe ede nla fun isọdọmọ, akopọ, ati ifori laaye. Awọn òṣuwọn ṣiṣi tumọ si pe agbegbe n tẹsiwaju ni iṣapeye rẹ, lakoko ti OpenAI ati awọn miiran Titari awọn awoṣe ọrọ tuntun. Atehinwa hallucinated ọrọ, paapa ni egbogi ati ofin lilo, si maa wa ohun ti nṣiṣe lọwọ ni ayo.
Real-World imuse
Oniroyin kan ṣe akọwe awọn ifọrọwanilẹnuwo ti o gbasilẹ laifọwọyi dipo titẹ wọn pẹlu ọwọ
Syeed adarọ-ese n ṣe agbejade awọn iwe afọwọkọ ti o ṣee ṣe ati awọn akọle fun gbogbo iṣẹlẹ
Ọpa ipade n ṣe agbejade awọn akọle laaye ati igbasilẹ kikọ ti ipe fidio kan
Oluwadi kan tumọ awọn gbigbasilẹ aaye ti ede sisọ si ọrọ Gẹẹsi fun itupalẹ
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Tesiwaju Ṣiṣawari
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
Itọsọna atẹle
Whisper Timestamped Ọrọ titete
Awọn ibeere ti a beere nigbagbogbo
Kini OpenAI Whisper?
Whisper jẹ OpenAI's ṣiṣi-orisun eto idanimọ ọrọ aladaaṣe ti o ṣe atunkọ ati tumọ ohun ti a sọ kaakiri ọpọlọpọ awọn ede. O ṣe pataki nitori pe o mu logan, ọfẹ, iwe-kikọ ti eniyan sunmọ si ẹnikẹni ti o le ṣiṣe awoṣe naa.
Kini idi pataki ti OpenAI's Whisper?
Whisper jẹ eto idanimọ ọrọ aladaaṣe ti o ṣe atunkọ ati tumọ ohun ti a sọ ni ọpọlọpọ awọn ede.
Ni aijọju melo ni ohun ti a kọ Whisper lori?
A ti kọ Whisper ni aijọju awọn wakati 680,000 ti multilingual, ohun afetigbọ multitask ti a pejọ lati oju opo wẹẹbu, eyiti o mu agbara rẹ ṣiṣẹ.
Aṣoju ti ohun wo ni ilana fifi koodu Whisper ṣe?
Audio ti wa ni iyipada sinu log-Mel spectrogram, aṣoju ti akoonu igbohunsafẹfẹ ju akoko lọ, eyiti oluyipada Ayipada ka.
Agbara wo ni Whisper KO pese ni abinibi?
Whisper ṣe itọju awọn iwe afọwọkọ, itumọ si Gẹẹsi, wiwa ede, ati awọn ami akoko, ṣugbọn kii ṣe olupilẹṣẹ fidio.
Kini idi ti Whisper ṣe tan igbi ti awọn irinṣẹ agbegbe ati awọn ohun elo?
Nitoripe OpenAI ṣii-orisun awọn iwuwo ati koodu, awọn idagbasoke le ṣiṣẹ Whisper ni agbegbe ati kọ ọpọlọpọ awọn irinṣẹ ati awọn atunṣe yiyara.