Компанія OpenAI запустила нову нейронну мережу з відкритим кодом, призначену для транскрипції аудіо в письмовий текст. Вона називається Whisper і може автоматично розпізнавати, транскрибувати та перекладати інші мови.
Компанія OpenAI запустила нову нейронну мережу з відкритим кодом, призначену для транскрипції аудіо в письмовий текст. Вона називається Whisper і може автоматично розпізнавати, транскрибувати та перекладати інші мови.
За даними видання TechCrunch, Whisper навчалася на основі 680 000 годин багатомовних і «багатозадачних» даних, зібраних з інтернету. Це призвело до покращеного розпізнавання унікальних акцентів, фонового шуму та технічного жаргону.
Whisper має свої обмеження. Оскільки система була навчена на великій кількості «зашумлених» аудіо, Whisper може включати у свої транскрипції слова, яких не було. Річ у тім, що він одночасно намагається передбачити наступне слово в аудіо.
«Користуватися ним виявилося навіть простіше, ніж я собі уявляв. Протягом 15 хвилин я зміг за допомогою Whisper транскрибувати тестовий аудіокліп, який я записав. Для когось із технічними знаннями, які ще не налаштували Python, FFmpeg, Xcode та Homebrew, на це знадобиться близько години чи двох. Проте в компанії намагаються зробити процес набагато простішим і зручнішим для користувача» — пише оглядач The Verge.
Технологія OpenAI — не перший такий продукт, однак має одну велику перевагу — ціну. Конкурентні сервіси Otter.ai чи Trint коштують дорого, за вбудовані функції транскрипції в Microsoft Word або Pixel потрібно платити, купуючи програми. Whisper є безплатним і може працювати на вашому комп’ютері.
OpenAI — це компанія, що створила сервіс DALL-E, який генерує зображення за текстом. А також GPT-3, який генерує текст, ніби його писала людина.
