OpenAI 最近发布了一个名为 Whisper 的语音识别模型。与 DALLE-2 和 GPT-3 不同,Whisper 是一个免费的开源模型。
什么是Whisper语言识别模型
Whisper 是一种自动语音识别模型,基于从网络上收集的 680,000 小时多语言数据进行训练。根据 OpenAI的介绍,该模型对口音、背景噪音和技术语言具有很好的鲁棒性。此外,它还支持 99 种不同语言的转录和从这些语言到英语的翻译。
![Whisper基于OpenAI大模型语音识别.Net工程源码 离线视频字幕生成器源码-云创源码 Whisper基于OpenAI大模型语音识别.Net工程源码 离线视频字幕生成器源码](https://leadink.cn/wp-content/uploads/2024/05/1715937097-2a77f54ffbf329b.webp)
Whisper 架构是一种简单的端到端方法,实现为利用Transformer模型的编码器-解码器。输入音频被分成 30 秒一段的模块,然后转换成 log-Mel 频谱图,然后传递到编码器。编码器来计算注意力,最后把数据传递给解码器,解码器被训练来预测相应的文本,并添加特殊标记,这些标记用来单个模型执行诸如语言识别、多语言语音转录和英语语音翻译等任务。
![Whisper基于OpenAI大模型语音识别.Net工程源码 离线视频字幕生成器源码-云创源码 Whisper基于OpenAI大模型语音识别.Net工程源码 离线视频字幕生成器源码](https://leadink.cn/wp-content/uploads/2024/05/1715937097-5eb67e433112824.webp)
源码下载地址
https://github.com/openai/whisper
Windows软件app源码:https://github.com/Const-me/Whisper
已编译可直接运行的软件包和模型包下载:https://pan.baidu.com/s/1x8evp0waq7tSjnUFcKFHlA?pwd=ism1
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。