详细介绍
A general-purpose speech recognition model by OpenAI.
什么是Whisper?
Whisper是由OpenAI开发的一款通用语音识别模型。它训练于一个大型的多样化音频数据集,并且是一种多任务模型,可以执行多语言语音识别、语音翻译和语言识别。Whisper采用了Transformer序列到序列模型,训练于各种语音处理任务,包括多语言语音识别、语音翻译、口语语言识别和语音活动检测。这些任务被作为一串由解码器预测的标记共同表示,使得单一模型能够取代传统语音处理流程中的多个阶段。多任务训练格式使用了一组特殊标记,作为任务说明符或分类目标。
如何使用 Whisper?
Whisper可以通过命令行或在Python中使用。对于命令行使用,你可以通过指定音频文件和模型大小来转录音频。对于Python使用,你可以加载模型并使用transcribe()方法来处理音频文件。
Whisper 的核心功能
多语言语音识别
语音翻译
语言识别
语音活动检测
语音翻译
语言识别
语音活动检测
相关推荐
Discoursefy
Discoursefy 是一个 AI 驱动的技术技能学习平台,具有职业发展功能。
Coursezy
AI驱动的平台,快速创建互动内容的定制课程。
Learn Prompting Pro
学习人工智能提示以提升内容、SEO和市场营销的效果,使用GPT-4。
Smart Skills Passport AI Edition
基于人工智能的平台,用于掌握550多种生活和职业技能,提供互动学习工具。
jointakeoff.com
在线平台,通过课程和资源学习人工智能技能。
saasguru
面向Salesforce、ServiceNow、AWS和Azure的职业培训和认证的在线平台。