免费黄色网址在线播放-免费黄色网址中-免费黄色无码-免费黄色在线-免费黄网站在线观看-免费黃色三級片国产片

視點！能聽懂口音的開源語音系統(tǒng)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(tǒng)來了？沒錯，OpenAI新開源了一個名為「Whisper」的新語音識別系統(tǒng)，據(jù)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(yè)術(shù)語的識別效果也是杠杠的！一經(jīng)發(fā)布就在推特上收獲4800+點贊，1000+轉(zhuǎn)發(fā)。

訪問：

Parallels Desktop 18 今年首次促銷：限時75折


【資料圖】


網(wǎng)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(lián)合創(chuàng)始人&首席科學(xué)家Ilya Sutskever就表示：

終于有一個靠譜的語音識別系統(tǒng)能聽懂我的口音了。


前任特斯拉人工智能總監(jiān)Andrej Karpathy甚至轉(zhuǎn)發(fā)評論：OpenAI正處于最好的狀態(tài)中。


話不多說，讓我們看看這個被“好評如潮”的語音系統(tǒng)究竟是怎么回事。

逼近人類水平的語音識別系統(tǒng)

首先，Whisper最大特點是它使用的超大規(guī)模訓(xùn)練集：

它使用從網(wǎng)絡(luò)上收集的68萬小時的多語言、多任務(wù)監(jiān)督數(shù)據(jù)進行訓(xùn)練。

這導(dǎo)致數(shù)據(jù)集的內(nèi)容非常多元化，涵蓋了許多不同環(huán)境、不同錄音設(shè)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(yīng)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(zhì)量的多樣性可以幫助提高訓(xùn)練模型的魯棒性，但轉(zhuǎn)錄文本質(zhì)量的多樣性并不是同樣有益的。

初步檢查顯示，原始數(shù)據(jù)集中有大量不合格的、現(xiàn)有自動語音識別(ASR)系統(tǒng)生成的轉(zhuǎn)錄文本。

而以往的研究表明，在人工和機器混合生成的數(shù)據(jù)集上進行訓(xùn)練，會顯著損害翻譯系統(tǒng)的性能。

為了解決這個問題，研究團隊開發(fā)了幾種自動過濾方法來識別和刪除低質(zhì)量的數(shù)據(jù)源。

但值得一提的是，沒有說話內(nèi)容的片段會被留下，作為語音活動檢測的訓(xùn)練數(shù)據(jù)。

其次，Whisper體系結(jié)構(gòu)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(zhuǎn)換成log-Mel譜圖，然后傳入編碼器。

解碼器被訓(xùn)練來預(yù)測相應(yīng)的文本標題，并混合特殊標記，指示單一模型執(zhí)行諸如語言識別、多語言語音轉(zhuǎn)錄和英語語音翻譯等任務(wù)。


除此之外，研究人員還為Whisper設(shè)置了5種不同的型號，以下是各模型大致的內(nèi)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“l(fā)arge”型號支持多語言，前4個模型都只支持英語。


不過不需要擔(dān)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(jié)果證明，Whisper在Librispeech test-clean測試的錯誤率達到2.7%。

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


甚至零樣本W(wǎng)hisper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(qū)間。


研究團隊

Whisper的研究團隊來自O(shè)penAI，共同一作有兩位：Alec Radford、Jong Wook Kim。


Alec Radford，OpenAI的機器學(xué)習(xí)研究員，也是indico.io的聯(lián)合創(chuàng)始人。


Jong Wook Kim，在紐約大學(xué)獲得了音樂技術(shù)專業(yè)的博士學(xué)位，研究方向包括多模態(tài)深度學(xué)習(xí)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(nèi)存大小表明，在這一基礎(chǔ)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(fā)人員將語音接口添加到更廣泛的應(yīng)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(guān)鍵詞： 人工智能 能聽懂口音的開源語音系統(tǒng)來了OpenAI出品

推薦

直播更多》

關(guān)閉

資訊更多》

焦點

主站蜘蛛池模板： 久久久久99精品成人片小说 | 午夜精华2020国产剧情麻豆 | 午夜福利视频一区 | 日本黄色一区 | 色婷婷久久久久swag精品 | 中出少妇 | 成人做爰黄A片免费看三区蜜臀 | 欧美日本一区二区 | 国产精品18| 男女做爰猛烈啪啪吃奶图片 | 无码AV免费在线 | 亚色影库女厕偷拍精品 | 欧美午夜A片缴情性影院竹菊影視 | 色情av天堂中文在线观看 | 国产蜜臀AV | 午夜精品久久久久久久久久久久久久 | 97无码欧美熟妇人妻蜜桃天美 | 大尺度操极品少妇在线播放 | 69精品人人人人 | 国产乱码精品一区二区三区精东 | 三级片免费电影 | 国产精品午夜片在线免费观看 | 最新国产精品视频 | 激情欧美日韩 | 三级网站学生妹 | 精品有码 | av三级在线观看 | 加勒比综合网 | 国模大胆无码一区二区 | 日韩无码2025 | 韩国三级无码无遮床戏视频 | 国产精品久久人妻朋友黄牛影视 | 国产一卡二卡 | 亚洲精品无码久久牙蜜区 | 久草久热| 无码av网站 | 国产三级黄色视频在线观看 | 国产91护士玉足脚交在线播放 | 免费观看国产美女裸体视频 | 3d动漫精品啪啪一区二区 | 性做久久久久久免费观看欧美 |