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
NaturalReader – AI Text to Speech
Chrome 扩展程序,将文本转换为自然音质音频,适用于各种在线内容。
Noty: Summaries, To-Dos, & Transcriptions
用于生成记录、摘要、待办事项和跟进邮件的AI会议助手。
AI Board (GPT Support)
适用于企业的安全ChatGPT API,具有增强功能。
Wispr Flow
Wispr Flow 是一款 Mac 语音输入应用,能够快速准确地将语音转换为文本。
TTSMaker
免费的在线文本转语音工具,提供 AI 语音和多种语言。
Serenade for Chrome
语音控制的编码和网页导航工具。