欧美亚洲日韩国产综合网-欧美亚洲日韩国产综合视频网站-欧美亚洲日韩国产人成在线播放-欧美亚洲日韩国产-欧美亚洲日韩动漫偷自拍页-欧美亚洲日韩aⅴ在线观看

視點！能聽懂口音的開源語音系統來了：OpenAI出品 支持99種語言

來源：量子位

逼近人類水平的語音識別系統來了？沒錯，OpenAI新開源了一個名為「Whisper」的新語音識別系統，據稱在英文語音識別方面擁有接近人類水平的魯棒性和準確性！不僅如此，對于不同口音、專業術語的識別效果也是杠杠的！一經發布就在推特上收獲4800+點贊，1000+轉發。

訪問：

Parallels Desktop 18 今年首次促銷：限時75折


【資料圖】


網友們紛紛對它意料之外的強大功能表示驚訝。

不僅是英文，有人用法國詩人波德萊爾的《惡之花》進行了語音測試，得到的文本幾乎與原文一致。


OpenAI聯合創始人&首席科學家Ilya Sutskever就表示：

終于有一個靠譜的語音識別系統能聽懂我的口音了。


前任特斯拉人工智能總監Andrej Karpathy甚至轉發評論：OpenAI正處于最好的狀態中。


話不多說，讓我們看看這個被“好評如潮”的語音系統究竟是怎么回事。

逼近人類水平的語音識別系統

首先，Whisper最大特點是它使用的超大規模訓練集：

它使用從網絡上收集的68萬小時的多語言、多任務監督數據進行訓練。

這導致數據集的內容非常多元化，涵蓋了許多不同環境、不同錄音設備下、不同語言的音頻。

具體而言，65%(438218小時)是英語音頻和匹配的英語文本，大約18%(125739小時)是非英語音頻和英語文本，而最后17%(117113小時)則是非英語音頻和相應的文本。

其中，非英語部分共包含98種不同語言。


不過，雖然音頻質量的多樣性可以幫助提高訓練模型的魯棒性，但轉錄文本質量的多樣性并不是同樣有益的。

初步檢查顯示，原始數據集中有大量不合格的、現有自動語音識別(ASR)系統生成的轉錄文本。

而以往的研究表明，在人工和機器混合生成的數據集上進行訓練，會顯著損害翻譯系統的性能。

為了解決這個問題，研究團隊開發了幾種自動過濾方法來識別和刪除低質量的數據源。

但值得一提的是，沒有說話內容的片段會被留下，作為語音活動檢測的訓練數據。

其次，Whisper體系結構是一種簡單的端到端方法，具體來說就是Transformer的編碼器-解碼器格式。


輸入音頻被分成30秒的片段，再轉換成log-Mel譜圖，然后傳入編碼器。

解碼器被訓練來預測相應的文本標題，并混合特殊標記，指示單一模型執行諸如語言識別、多語言語音轉錄和英語語音翻譯等任務。


除此之外，研究人員還為Whisper設置了5種不同的型號，以下是各模型大致的內存需求和相對速度，使用者可以自行選擇。

但需要注意的是，只有“large”型號支持多語言，前4個模型都只支持英語。


不過不需要擔心，與其他模型相比，英文語音識別正是Whisper的核心競爭力。

實驗結果證明，Whisper在Librispeech test-clean測試的錯誤率達到2.7%。

雖然這一數值與Wav2vec 2.0一樣，但在零樣本性能上，Whisper明顯更穩健，平均誤差減少了55%。


甚至零樣本Whisper模型還縮小了與人類魯棒性之間的差距。

可以看出，與人類Alec相比，LibriSpeech模型的錯誤率大約是人類的兩倍，而Whisper模型的魯棒性邊界則包括Alec95%的置信區間。


研究團隊

Whisper的研究團隊來自OpenAI，共同一作有兩位：Alec Radford、Jong Wook Kim。


Alec Radford，OpenAI的機器學習研究員，也是indico.io的聯合創始人。


Jong Wook Kim，在紐約大學獲得了音樂技術專業的博士學位，研究方向包括多模態深度學習和音樂理解，目前是OpenAI的研究人員。


值得一提的是，研究團隊指出，雖然目前Whisper還沒有實時功能，但它的運行速度和內存大小表明，在這一基礎上搭建實時語音識別和翻譯功能是可行的。

他們希望Whisper的高精度和易用性，將允許開發人員將語音接口添加到更廣泛的應用程序中。

論文和GitHub鏈接附在文末，感興趣的小伙伴們可以自取～

論文鏈接：

https://cdn.openai.com/papers/whisper.pdf

GitHub鏈接：

https://github.com/openai/whisper#approach

參考鏈接：

[1]https://colab.research.google.com/github/openai/whisper/blob/master/notebooks/LibriSpeech.ipynb

[2]https://techcrunch.com/2022/09/21/openai-open-sources-whisper-a-multilingual-speech-recognition-system/?guccounter

[3]https://news.ycombinator.com/item?id=32927360

[4]https://twitter.com/alecrad

[5]https://jongwook.kim/

關鍵詞： 人工智能 能聽懂口音的開源語音系統來了OpenAI出品

推薦

直播更多》

關閉

資訊更多》

焦點

主站蜘蛛池模板： 欧美亚洲日韩国产综合网 | 精新精新国产自在现 | 2025国产精品自拍 | 国产xx | 18勿禁免费网站大全 | 国内偷视频在线观看 | 欧美日韩福利电影一区二区三区 | 国产一区二区三区免费在线观看 | 日韩精品永 | 自拍偷拍欧美激情 | 欧美日本一91视频国产 | 日韩经典一区 | 国产在线精品国自产拍影院 | 国产一区在线播放资源 | 99精品国产一区二区婷婷 | 国产福利一区二视频播放 | a网站在线观看 | 欧美日韩国产在线高清视频 | 日韩经典视频 | 精品视频免费看天天春夜夜春 | 国产在线激情小视频青青 | 国内精品视频在线中文字幕 | 国产精品亚洲综合一区在线观看 | 欧美日韩国产亚洲精品 | 日本在线观看免费高清 | 欧美日韩一区二区综合视频 | 97九九精品视频 | 日本中文一区二区三区亚洲 | 精品国产香 | 国产在亚洲线视频观看。 | 日本韩国一级特黄aa大片 | 国产偷国产偷 | 精品高清欧美日韩一区 | 欧美阿v高清资源不卡在线播放 | 日韩亚洲欧美一区噜噜噜 | 中文在线观看亚洲自 | 国产欧美一区二区精品性色 | 成年人午夜免费福利 | 日韩中文免费视频 | 步步日本| 日本高清中文字幕在线dvd |