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
Zoom Media Asset Management System
一款人工智能驱动的数字资产管理解决方案,用于管理和访问媒体资产。
PrettyPolly
基于 AI 的语言学习平台,用于练习外语口语。
Auro: AI Social Post Assistant
将语音备忘录转换为为创作者整理的内容的人工智能助手。
AI-TTS
免费文本转语音生成器,拥有逼真的AI语音。
Google Meet – Call eXplorer
用于 Google Meet 的实时转录、摘要和即时答案的 Chrome 应用。
zoki.ai
基于人工智能的内容创作平台,提供翻译、配音、虚拟形象和故事创作。