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

        
    

    


    
    
    



亚洲AV无码精品无码麻豆|
亚洲人成网男女大片在线播放|
亚洲色图在线播放|
亚洲AV午夜成人影院老师机影院|
亚洲中文字幕无码一区|
在线播放亚洲第一字幕|
中文字幕亚洲综合久久菠萝蜜|
亚洲偷自拍拍综合网|
久久国产成人精品国产成人亚洲|
亚洲精品99久久久久中文字幕
|
亚洲视频免费观看|
久久久亚洲欧洲日产国码是AV|
老司机亚洲精品影院无码|
911精品国产亚洲日本美国韩国
|
久久久综合亚洲色一区二区三区|
国产亚洲精AA在线观看SEE|
好看的亚洲黄色经典|
亚洲日韩一页精品发布|
精品国产_亚洲人成在线高清|
久久精品国产精品亚洲精品|
水蜜桃亚洲一二三四在线|
麻豆亚洲av熟女国产一区二|
亚洲成aⅴ人片在线观|
国产成人精品日本亚洲网址|
亚洲人成色777777精品|
亚洲AV成人一区二区三区观看|
亚洲福利视频一区二区|
久久亚洲国产精品123区|
亚洲国产精品国自产拍AV|
久久久久亚洲AV片无码下载蜜桃|
亚洲福利视频网站|
亚洲中文字幕乱码一区|
国产精品亚洲专区一区|
中文字幕专区在线亚洲|
亚洲AV午夜成人片|
亚洲国产精品成人综合久久久
|
亚洲色偷偷偷综合网|
在线亚洲精品视频|
亚洲精品无码永久在线观看|
亚洲精品自在在线观看|
亚洲视频中文字幕|