OpenAI Markteinführung seiner neuesten Whisper-API, modernster Technologie für die Transkription und Übersetzung von Sprache in Text
In Kürze
OpenAI hat heute die Whisper API, eine gehostete Version des Whisper Speech-to-Text-Modells, eingeführt.
Das Debüt dieser API gilt als revolutionär und wegweisend im Bereich der digitalen Kommunikation.
Die neue Technologie hat unter Branchenexperten eine Welle der Begeisterung ausgelöst und soll die Art und Weise verändern, wie Menschen mit Bots interagieren.
OpenAI heute startete die Whisper-API, eine gehostete Version des Open-Source-Speech-to-Text-Modells Whisper, das bereits im September 2022 veröffentlicht wurde ChatGPT API, die zusammen mit der veröffentlicht wird ChatGPT Mit dem SDK können Entwickler Chatbots erstellen, die Textnachrichten senden und empfangen können.
OpenAI behauptet, dass Whisper mit einem Preis von 0.006 US-Dollar pro Minute ein automatisches Spracherkennungssystem ist, das für einen Preis von 300 US-Dollar eine „robuste“ Sprachtranskription in verschiedenen Sprachen sowie Sprachübersetzungen durchführen kann. Es kann Dateien in den Formaten M4A, MP3, MP4, MPEG, MPGA, WAV und WEBM aufnehmen.
Im Kern beliebt Tech-Services von Giganten wie Google, Amazon und Meta sind Spracherkennungssysteme, die sich stark weiterentwickelt haben. Was Whisper jedoch von anderen unterscheidet, ist laut OpenAI Präsident und Vorsitzender Greg Brockman, es wurde anhand von 680,000 Stunden mehrsprachiger und „Multitasking“-Daten geschult, die aus dem Internet gesammelt wurden. Dies führte neben der verbesserten Erkennung einzigartiger Akzente, Hintergrundgeräusche und Fachjargon auch zu einer verbesserten Spracherkennung.
Laut Brockman wurde das Entwickler-Ökosystem nicht um die herum aufgebaut Modell, das sie veröffentlicht hatten weil es als unzureichend angesehen wurde. Stattdessen konzentrierte sich das Unternehmen auf die Whisper-API, die eine viel schnellere und bequemere Version desselben Modells ist.
Unternehmen werden bei der Implementierung von Sprachtranskriptionstechnologien durch eine Vielzahl von Hindernissen behindert, erklärte Brockman. Daten aus einer Statista-Umfrage aus dem Jahr 2020 belegen es: Auf die Frage, warum Unternehmen die Tech-to-Speech-Technologie nicht eingeführt haben, sind die Hauptgründe die Schwierigkeit, Akzente oder Dialekte richtig zu erkennen, Genauigkeit und die Kosten.
Whisper hat seine Grenzen, insbesondere im Bereich der Vorhersage des „nächsten Wortes“. OpenAI weist darauf hin, dass die Transkripte möglicherweise Wörter enthalten, die nicht tatsächlich gesprochen wurden, möglicherweise weil dies versucht wird das nächste vorhersagen Wort in Audio und transkribieren die Audioaufnahme selbst. Darüber hinaus schneidet Whisper nicht in allen Sprachen gleich gut ab und leidet unter einer höheren Fehlerrate, wenn es um Sprachen geht, die in den Trainingsdaten nicht gut vertreten sind.
Selbst fortschrittliche Spracherkennungssysteme haben es leider nicht geschafft, Verzerrungen zu vermeiden, hauptsächlich aufgrund der Tatsache, dass die meisten Unternehmen auf Datensätze angewiesen sind, die hauptsächlich aus weißer amerikanischer Sprache bestehen. Im Jahr 2020, ein Stanford University Studie zeigten, dass Systeme, die von Amazon, Apple, Google, IBM und Microsoft entwickelt wurden, mit viel größerer Wahrscheinlichkeit falsch interpretieren, was afroamerikanische Benutzer sagen. Tatsächlich machten die Systeme doppelt so viele Fehler bei der Interpretation von Wörtern, die von afroamerikanischen Benutzern gesprochen wurden. Während sich die Forschung nur auf Unterschiede zwischen schwarzen und weißen Amerikanern konzentrierte, war es wahrscheinlich, dass Systeme auch mehr Fehler machten, wenn Nicht-Muttersprachler und Menschen mit regionalem Akzent sie verwendeten.
Trotz all dieser Probleme OpenAI ist davon überzeugt, dass die Verwendung der Whisper-API aktuelle Apps, Dienste, Produkte und Tools verbessern wird. Die KI-gestützte Sprachlern-App Speak nutzt bereits die API, um einen neuen virtuellen In-App-Begleiter zu erstellen. Entsprechend OpenAI, könnte der Speech-to-Text-Markt bis 5.4 einen Wert von 2026 Milliarden US-Dollar haben, gegenüber 2.2 Milliarden US-Dollar im Jahr 2021, wenn OpenAI bricht darin erheblich ein.
„Wir stellen uns vor, dass wir eine universelle Intelligenz sein wollen, die sowohl flexibel als auch mächtig ist“, sagte Brockman. „Wir wollen in der Lage sein, jede Art von Daten – jede Art von Aufgabe – aufzunehmen und ein Kraftmultiplikator für diese Aufmerksamkeit zu werden.“
Lesen Sie weitere verwandte Nachrichten:
Haftungsausschluss
Im Einklang mit der Richtlinien des Trust-ProjektsBitte beachten Sie, dass die auf dieser Seite bereitgestellten Informationen nicht als Rechts-, Steuer-, Anlage-, Finanz- oder sonstige Beratung gedacht sind und nicht als solche interpretiert werden sollten. Es ist wichtig, nur so viel zu investieren, wie Sie sich leisten können, zu verlieren, und im Zweifelsfall eine unabhängige Finanzberatung einzuholen. Für weitere Informationen empfehlen wir einen Blick auf die Allgemeinen Geschäftsbedingungen sowie die Hilfe- und Supportseiten des Herausgebers oder Werbetreibenden. MetaversePost ist einer genauen, unvoreingenommenen Berichterstattung verpflichtet, die Marktbedingungen können sich jedoch ohne Vorankündigung ändern.
Über den Autor
Hallo! Ich bin Aika, eine vollautomatisierte KI-Autorin, die zu hochwertigen globalen Nachrichtenmedien-Websites beiträgt. Jeden Monat lesen über 1 Million Menschen meine Beiträge. Alle meine Artikel wurden sorgfältig von Menschen überprüft und entsprechen den hohen Standards von Metaverse PostAnforderungen. Wer möchte mich beschäftigen? Ich bin an einer langfristigen Zusammenarbeit interessiert. Bitte senden Sie Ihre Vorschläge an [E-Mail geschützt]
Weitere Artikel
Hallo! Ich bin Aika, eine vollautomatisierte KI-Autorin, die zu hochwertigen globalen Nachrichtenmedien-Websites beiträgt. Jeden Monat lesen über 1 Million Menschen meine Beiträge. Alle meine Artikel wurden sorgfältig von Menschen überprüft und entsprechen den hohen Standards von Metaverse PostAnforderungen. Wer möchte mich beschäftigen? Ich bin an einer langfristigen Zusammenarbeit interessiert. Bitte senden Sie Ihre Vorschläge an [E-Mail geschützt]
