Idanimọ Ọrọ Ọrọ whisper
Whisper jẹ OpenAIs ṣiṣi-orisun ẹrọ idamọ ọrọ aifọwọyi ti o sọ ohun di ọrọ kọja awọn ede 90+.
Akopọ
O ṣe pataki nitori pe o mu didara transcription ti o sunmọ-eniyan wa si gbogbo eniyan fun ọfẹ, ṣiṣẹ ni agbara lori awọn asọye, ariwo abẹlẹ, ati jargon imọ-ẹrọ.
Jin Dive
Tu silẹ nipasẹ OpenAI ni Oṣu Kẹsan ọdun 2022, Whisper jẹ apẹrẹ koodu-iyipada koodu ti o da lori Transformer ti a ṣe ikẹkọ lori awọn wakati 680,000 ti ede-ọpọlọpọ, ohun afetigbọ multitask yọkuro lati oju opo wẹẹbu. Ko dabi awọn eto iṣaaju ti o nilo mimọ, data ti a samisi, Whisper kọ ẹkọ lati awọn gbigbasilẹ aye-aye ti o ni idoti, ti o jẹ ki o farada ni iyalẹnu si awọn asẹnti, ariwo, ati ọrọ agbekọja. Awoṣe ẹyọkan ni o n ṣakoso iwe-kikọ, itumọ si Gẹẹsi, idamọ ede, ati ṣiṣe akoko. O firanṣẹ ni awọn iwọn lati 'kekere' (awọn paramita 39M) si 'nla' (1.55B), jẹ ki awọn olumulo ṣe iṣowo iyara fun deede. Nitoripe awọn iwuwo ni iwe-aṣẹ ni gbangba labẹ MIT, Whisper di ẹhin aiyipada fun ainiye awọn olutọpa adarọ-ese, awọn irinṣẹ ifori, ati awọn ohun elo ohun ti o fẹrẹẹ mọju.
Imọ-imọ-ẹrọ
Whisper pin ohun si awọn ṣoki iṣẹju-aaya 30, yi iyipada kọọkan sinu spectrogram log-Mel (awọn ikanni igbohunsafẹfẹ 80), ati ifunni si koodu Ayipada kan. Olupilẹṣẹ lẹhinna sọ asọtẹlẹ awọn ami ifọrọranṣẹ ni aifọwọyi, itọsọna nipasẹ awọn ami ami pataki ti o ṣe pato iṣẹ-ṣiṣe naa (igbasilẹ la. tumọ), ede, ati boya lati gbe awọn aami akoko jade. Imudara tokini multitask yii jẹ ẹtan onilàkaye: ṣeto awọn iwuwo ṣe ọpọlọpọ awọn iṣẹ ti o da lori awọn ami-ami kiakia ti a pese ni ibẹrẹ iyipada.
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.
Ọjọ iwaju ti idanimọ Ọrọ Ọrọ whisper
Whisper tan igbi ti awọn itọsẹ ti o yara bi Whisper.cpp, yiyara-whisper, ati awọn ẹya distilled ti o nṣiṣẹ ni akoko gidi lori awọn foonu ati awọn kọnputa agbeka. Reti ṣiṣanwọle wiwọ (aisi-kekere) awọn iyatọ, diarization ti o dara ju agbọrọsọ pọ lẹgbẹẹ rẹ, ati iṣẹ ṣiṣe to lagbara lori awọn ede orisun kekere. Bi ohun ẹrọ AI ti n dagba, awọn awoṣe ara Whisper iwuwo fẹẹrẹ yoo ṣee ṣe agbara awọn ifori laaye, awọn akọsilẹ ipade, ati awọn irinṣẹ iraye si ni aisinipo patapata, titoju aṣiri lakoko ti o baamu deede ipele awọsanma.
Real-World imuse
Ṣiṣẹda awọn iwe afọwọkọ ti o ṣee ṣe wiwa ati awọn akọle fun awọn adarọ-ese ati awọn fidio YouTube
Ṣiṣe awọn ohun elo ipade ifiwe laaye-awọn akọsilẹ ti o ṣe agbejade awọn akopọ lati Sun tabi ohun ohun Ẹgbẹ
Titumọ awọn ifọrọwanilẹnuwo ni ede ajeji taara si ọrọ Gẹẹsi fun awọn oniroyin
Ṣiṣe awọn irinṣẹ iraye si iṣakoso ohun ati ilana fun awọn olumulo ti ko le tẹ
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 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
Itọsọna atẹle
Ifarahan Ọrọ idanimọ
Awọn ibeere ti a beere nigbagbogbo
Kini Idanimọ Ọrọ Whisper?
Whisper jẹ OpenAIs ṣiṣi-orisun ẹrọ idamọ ọrọ aifọwọyi ti o sọ ohun di ọrọ kọja awọn ede 90+. O ṣe pataki nitori pe o mu didara transcription ti eniyan sunmọ si gbogbo eniyan fun ọfẹ, ṣiṣẹ ni agbara lori awọn asẹnti, ariwo abẹlẹ, ati jargon imọ-ẹrọ.
O fẹrẹ to wakati melo ti ohun ohun ti a ti kọ Whisper lori?
Whisper ti ni ikẹkọ lori bii awọn wakati 680,000 ti awọn ede lọpọlọpọ, ohun afetigbọ multitask ti a gba lati oju opo wẹẹbu, ipilẹ data ti o tobi pupọ ati oniruuru.
Aṣoju agbedemeji wo ni Whisper ṣe iṣiro lati inu ohun aise ṣaaju ki kooduopo naa?
Whisper ṣe iyipada gige ohun iṣẹju-aaya 30 kọọkan sinu ikanni 80 log-Mel spectrogram kan, eyiti awọn ilana fifi koodu Transformer.
Bawo ni awoṣe Whisper kan ṣe ṣe awọn iṣẹ-ṣiṣe pupọ bi transcription ati itumọ?
Awọn ipo whisper lori awọn ami ami pataki ni ibẹrẹ iyipada ti o sọ fun ede, iṣẹ-ṣiṣe, ati boya lati gbe awọn aami akoko jade.
Kini faaji nkankikan gbogbogbo wo ni Whisper lo?
Whisper jẹ Ayipada koodu-iyipada koodu: oluyipada naa ka spectrogram ati oluyipada ṣe ipilẹṣẹ awọn ami ọrọ ni aifọwọyi.
Kini idi ti Whisper ni pataki paapaa logan ni akawe si awọn eto ASR iṣaaju?
Ikẹkọ lori awọn oye pupọ ti awọn oriṣiriṣi, ohun afetigbọ gidi-aye (awọn asẹnti, ariwo, ọrọ agbekọja) fun Whisper ni agbara lati inu apoti ti o lagbara laisi atunṣe agbegbe-kọọkan.