Whisper

O nástroji

Whisper je open-source model pro rozpoznávání řeči od OpenAI, který přepisuje mluvenou řeč do textu, překládá řeč mezi jazyky a automaticky identifikuje jazyk nahrávky. Model byl trénován na velkém a různorodém datasetu zvukových nahrávek metodou slabého dohledu (weak supervision) ve velkém měřítku, což mu zajišťuje robustní výkon i v náročných podmínkách. Whisper je dostupný jako open-source knihovna na GitHubu a lze jej spustit lokálně na vlastním hardwaru. Nabízí několik velikostních variant modelu (tiny, base, small, medium, large), které umožňují volit mezi rychlostí a přesností podle dostupných výpočetních prostředků. Nástroj je určen primárně pro vývojáře a výzkumníky, kteří jej integrují do vlastních aplikací nebo pipeline pro zpracování zvuku. Díky open-source licenci jej lze použít zdarma bez omezení počtu přepisů.

Klíčové vlastnosti

• Přepis mluvené řeči do textu ve více než 90 jazycích
• Překlad řeči z cizích jazyků do angličtiny
• Automatická identifikace jazyka nahrávky
• Více velikostních variant modelu (tiny, base, small, medium, large)
• Lokální spuštění na vlastním hardwaru bez odesílání dat na server
• Open-source kód dostupný na GitHubu pod MIT licencí

Časté dotazy

Kategorie

Štítky

Sociální sítě