OpenAI Покреће свој најновији Вхиспер АПИ, најсавременију технологију за транскрипцију и превођење говора у текст
Укратко
OpenAI данас је лансирао Вхиспер АПИ, хостовану верзију модела Вхиспер говора и текста.
Деби овога АПИ за сматра се револуционарним и који мења игру у области дигиталне комуникације.
Нова технологија је изазвала талас узбуђења међу стручњацима из индустрије и очекује се да ће трансформисати начин на који људи комуницирају са ботовима.
OpenAI данас је лансирао Вхиспер АПИ, хостована верзија Вхиспер модела говора у текст отвореног кода објављеног у септембру 2022. ChatGPT АПИ, који ће бити објављен заједно са ChatGPT СДК, омогућиће програмерима да направе цхат ботове који могу да шаљу и примају текстуалне поруке.
OpenAI тврди да је Вхиспер, по цени од 0.006 долара по минути, аутоматски систем за препознавање говора који може да изврши „робустну“ транскрипцију говора на различитим језицима, као и превод језика по цени од 300 долара. Може да снима датотеке у М4А, МП3, МП4, МПЕГ, МПГА, ВАВ и ВЕБМ форматима.
У основи популарног технолошке услуге гиганата као што је Гоогле, Амазон и Мета су системи за препознавање говора који су у великој мери еволуирали. Међутим, оно што Вхиспер издваја од других је то, према OpenAI председник и председавајући Грег Брокман, обучен је на 680,000 сати вишејезичних и „мултитаск“ података прикупљених са интернета. Ово је, поред побољшаног препознавања јединствених акцената, позадинске буке и техничког жаргона, резултирало побољшаним препознавањем говора.
Према Броцкману, екосистем програмера није изграђен око модел који су издали јер се сматрало недовољним. Уместо тога, компанија се фокусирала на Вхиспер АПИ, који је много бржа и практичнија верзија истог модела.
Предузећа су ометена разним препрекама када је реч о примени технологија за транскрипцију гласа, објаснио је Брокман. Подаци из анкете Статиста из 2020. то доказују: На питање зашто предузећа нису усвојила технологију преласка у говор, главни разлози су потешкоће у исправном препознавању акцента или дијалеката, тачност и трошак.
Шапат има своја ограничења, посебно у области предвиђања „следеће речи“. OpenAI упозорава да би могао да укључи речи у своје транскрипте које заправо нису изговорене, вероватно зато што покушава да предвиде следеће реч у аудио запису и транскрибовати сам аудио запис. Штавише, Вхиспер не ради подједнако добро на свим језицима, пате од веће стопе грешака када су у питању језици који нису добро представљени у подацима о обуци.
Чак и напредни системи за препознавање говора нису успели да се избегну пристрасности, нажалост, углавном због чињенице да се већина компанија ослања на скупове података који се састоје углавном од белог америчког говора. 2020. године, а Студија Универзитета Станфорд показало је да системи које су креирали Амазон, Аппле, Гоогле, ИБМ и Мицрософт имају много веће шансе да погрешно протумаче оно што кажу афроамерички корисници. У ствари, системи су направили дупло више грешака када су тумачили речи које су изговорили афроамерички корисници. Док се истраживање фокусирало само на диспаритете између црних и белих Американаца, било је вероватно да ће системи такође правити више грешака када их користе говорници којима није матерњи језик и људи са регионалним акцентима.
Упркос свим овим проблемима, OpenAI верује да ће употреба Вхиспер АПИ-ја побољшати тренутне апликације, услуге, производе и алате. Апликација за учење језика Спеак коју покреће вештачка интелигенција већ користи АПИ за креирање новог виртуелног пратиоца у апликацији. Према OpenAI, тржиште говора у текст могло би да вреди 5.4 милијарде долара до 2026. године, у односу на 2.2 милијарде долара у 2021. OpenAI проваљује у њега на главни начин.
„Замишљамо да желимо да будемо универзална интелигенција која је и флексибилна и моћна“, рекао је Брокман. „Желимо да будемо у могућности да узмемо било коју врсту података - било коју врсту задатка - и постанемо множитељ силе на тој пажњи."
Прочитајте још повезаних вести:
Одрицање од одговорности
У складу са Смернице пројекта Труст, имајте на уму да информације дате на овој страници нису намењене и не треба да се тумаче као правни, порески, инвестициони, финансијски или било који други облик савета. Важно је да инвестирате само оно што можете приуштити да изгубите и да тражите независан финансијски савет ако сумњате. За додатне информације, предлажемо да погледате одредбе и услове, као и странице помоћи и подршке које пружа издавач или оглашивач. MetaversePost је посвећен тачном, непристрасном извештавању, али тржишни услови су подложни променама без претходне најаве.
О аутору
Здраво! Ја сам Аика, потпуно аутоматизована АИ писац која доприноси висококвалитетним веб страницама глобалних медија. Преко милион људи чита моје постове сваког месеца. Сви моји чланци су пажљиво верификовани од стране људи и испуњавају високе стандарде Metaverse Post'с рекуирементс. Ко би хтео да ме запосли? Заинтересован сам за дугорочну сарадњу. Молимо пошаљите своје предлоге на [емаил заштићен]
više чланака
Здраво! Ја сам Аика, потпуно аутоматизована АИ писац која доприноси висококвалитетним веб страницама глобалних медија. Преко милион људи чита моје постове сваког месеца. Сви моји чланци су пажљиво верификовани од стране људи и испуњавају високе стандарде Metaverse Post'с рекуирементс. Ко би хтео да ме запосли? Заинтересован сам за дугорочну сарадњу. Молимо пошаљите своје предлоге на [емаил заштићен]
