欧美在线一区二区三区_久久精品电影免费动漫_添人人躁日日躁夜夜躁夜夜揉_香蕉eeww99国产精选播放_国产日韩在线观看

盡管包括 Google、亞馬遜和 Meta 在內(nèi)的科技巨頭，都將各自開(kāi)發(fā)的功能強(qiáng)大的語(yǔ)音識(shí)別系統(tǒng)置于其軟件和服務(wù)的核心地位。但在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域，語(yǔ)音識(shí)別仍是一個(gè)頗具挑戰(zhàn)性的話(huà)題。好消息是，今日 OpenAI 隆重地宣布了 Whisper 的開(kāi)源 —— 可知作為一套自動(dòng)語(yǔ)音識(shí)別系統(tǒng)，官方宣稱(chēng)它能夠?qū)崿F(xiàn)多種語(yǔ)言的強(qiáng)大轉(zhuǎn)錄、并將它們翻譯成英語(yǔ)。

訪(fǎng)問(wèn)：

Parallels Desktop 18 今年首次促銷(xiāo)：限時(shí)75折

【資料圖】

（來(lái)自：OpenAI Blog）

OpenAI 表示，Whisper 的不同之處，在于其接受了從網(wǎng)絡(luò)收集的 68 萬(wàn)小時(shí)的多語(yǔ)言和“多任務(wù)”訓(xùn)練數(shù)據(jù)，從而提升了該方案對(duì)獨(dú)特口音、背景噪聲和技術(shù)術(shù)語(yǔ)的識(shí)別能力。

官方 GitHub 存儲(chǔ)庫(kù)上的概述稱(chēng)：

Whisper 模型的主要目標(biāo)用戶(hù)，是研究當(dāng)前模型穩(wěn)健性、泛化、能力、偏差和約束的 AI 研究人員。

與此同時(shí)，它也很適合作為面向開(kāi)發(fā)者的自動(dòng)語(yǔ)音識(shí)別解決方案尤其是英語(yǔ)語(yǔ)音識(shí)別。

感興趣的朋友，可以從托管平臺(tái)上下載 Whisper 系統(tǒng)的多個(gè)版本，其模型在大約 10 種語(yǔ)言上展現(xiàn)出了強(qiáng)大的 ASR 結(jié)果。

此外假如在某些任務(wù)上加以微調(diào)的話(huà)，它們還有望在語(yǔ)音活動(dòng)檢測(cè)、講述者分類(lèi)等應(yīng)用場(chǎng)景下表現(xiàn)出額外的能力。

架構(gòu)示意

遺憾的是，Whisper 尚未在相關(guān)領(lǐng)域得到強(qiáng)有力的評(píng)估、且模型也有其局限性 —— 有其在文本預(yù)測(cè)領(lǐng)域。

由于該系統(tǒng)接受了大量“嘈雜”的數(shù)據(jù)訓(xùn)練，OpenAI 決定提前給大家打一劑預(yù)防針，警告稱(chēng) Whisper 可能在轉(zhuǎn)錄中包含實(shí)際上未講述的單詞。

原因可能是 Whisper 既試圖預(yù)測(cè)音頻中的下一個(gè)單詞、又試圖轉(zhuǎn)錄音頻本身。

流程示例

此外 Whisper 在不同語(yǔ)言場(chǎng)景下的表現(xiàn)也不大一致，尤其涉及在訓(xùn)練數(shù)據(jù)中沒(méi)有很好被代表的語(yǔ)言的講述者時(shí)，其錯(cuò)誤率也會(huì)更高。

不過(guò)后者在語(yǔ)音識(shí)別領(lǐng)域早已不是什么新鮮事，即使業(yè)內(nèi)首屈一指的系統(tǒng)，也一直受到此類(lèi)偏差的困擾。

參考斯坦福大學(xué)在 2020 年分享的一項(xiàng)研究結(jié)果 —— 相較于黑人，來(lái)自亞馬遜、蘋(píng)果、Google、IBM 和微軟的系統(tǒng)，針對(duì)白人用戶(hù)的錯(cuò)誤率要低得多（大約 35%）。

Whisper 有約 1/3 的音頻數(shù)據(jù)集為非英語(yǔ)

即便如此，OpenAI 還是認(rèn)為 Whisper 的轉(zhuǎn)錄功能，可被用于改進(jìn)現(xiàn)有的可訪(fǎng)問(wèn)性工具。其在 GitHub 上寫(xiě)道：

盡管 Whisper 模型不適用于開(kāi)箱即用的實(shí)時(shí)轉(zhuǎn)錄，但其速度和大小表明，其他人可在此基礎(chǔ)上構(gòu)建近乎實(shí)時(shí)的語(yǔ)音識(shí)別和翻譯應(yīng)用程序。

建立在 Whisper 模型之上的有益應(yīng)用程序，其價(jià)值切實(shí)地表明了這些模型的不同性能，有望發(fā)揮出真正的經(jīng)濟(jì)影響力。

我們希望大家能夠?qū)⒃摷夹g(shù)積極應(yīng)用于有益目的，使自動(dòng)語(yǔ)音識(shí)別技術(shù)更易獲得改進(jìn)、讓更多參與者能夠打造出更負(fù)責(zé)任的項(xiàng)目。

在速度和準(zhǔn)確性的雙重優(yōu)勢(shì)下，Whisper 將允許對(duì)大量通信提供可負(fù)擔(dān)得起的自動(dòng)轉(zhuǎn)錄和翻譯體驗(yàn)。

相關(guān)文章:

[視頻]OpenAI展示DALL-E 2：AI圖像生成器支持編輯圖像了

OpenAI的DALL-E繪畫(huà)AI 已能夠擴(kuò)展創(chuàng)作更大的圖像

過(guò)濾系統(tǒng)升級(jí)：OpenAI再次開(kāi)放DALL-E 2的面容編輯功能

關(guān)鍵詞： Open Source OpenAI宣布開(kāi)源多語(yǔ)言語(yǔ)音識(shí)別系統(tǒng)Whisper cnBeta