OpenAI 推出最新的 Whisper API，这是用于语音到文本转录和翻译的尖端技术
OpenAI 今天推出了 耳语API，开源 Whisper 语音转文本模型的托管版本，于 2022 年 XNUMX 月发布。 ChatGPT API，将与 ChatGPT SDK 将使开发人员能够构建可以发送和接收短信的聊天机器人。
OpenAI 据称，Whisper 是一种自动语音识别系统，售价为每分钟 0.006 美元，可以执行各种语言的“强大”语音转录以及语言翻译，价格为 300 美元。 它可以获取 M4A、MP3、MP4、MPEG、MPGA、WAV 和 WEBM 格式的文件。
流行的核心 来自谷歌等巨头的技术服务、Amazon 和 Meta 都是已经有了很大发展的语音识别系统。 然而，Whisper 与其他产品的不同之处在于，根据 OpenAI 总裁兼董事长格雷格·布罗克曼 (Greg Brockman) 接受了从互联网收集的 680,000 小时多语言和“多任务”数据的训练。 除了改进对独特口音、背景噪音和技术术语的识别之外，还提高了语音识别能力。
根据 Brockman 的说法，开发者生态系统并不是围绕 他们发布的模型 因为它被认为是不够的。 相反，该公司专注于 Whisper API，它是同一模型的更快、更方便的版本。
Brockman 解释说，企业在实施语音转录技术时会遇到各种障碍。 2020 年 Statista 调查的数据证明了这一点：当被问及为什么企业没有采用 tech-to-speech 技术时，主要原因是难以正确识别口音或方言、准确性和费用。
Whisper 确实有其局限性，特别是在“下一个单词”预测领域。 OpenAI 警告说，它的文字记录中可能包含实际上并未说出的单词，可能是因为它试图 预测下一个 音频中的单词并转录录音本身。 此外，Whisper 在不同语言中的表现并不相同，当涉及到训练数据中没有很好表示的语言时，它的错误率会更高。
不幸的是，即使是先进的语音识别系统也无法避免偏见，这主要是因为大多数公司依赖的数据集主要由美国白人语音组成。 2020年，一个 斯坦福大学的研究 表明由亚马逊、苹果、谷歌、IBM 和微软创建的系统被发现更有可能误解非裔美国用户所说的话。 事实上，系统在解释非裔美国用户所说的话时犯的错误是原来的两倍。 虽然这项研究只关注美国黑人和白人之间的差异，但当非母语人士和有地方口音的人使用这些系统时，系统也可能会犯更多错误。
尽管存在所有这些问题， OpenAI 相信 Whisper API 的使用将改进当前的应用程序、服务、产品和工具。 由人工智能驱动的语言学习应用程序 Speak 已经在利用 API 创建新的应用程序内虚拟伴侣。 根据 OpenAI，如果 OpenAI 以一种主要方式闯入它。
“我们想象我们想要成为一种既灵活又强大的通用智能，”布罗克曼说。 “我们希望能够接收任何类型的数据——任何类型的任务——并成为注意力的倍增器。”
阅读更多相关新闻：
免责声明
在与行 信托项目指南，请注意，本页提供的信息无意且不应被解释为法律、税务、投资、财务或任何其他形式的建议。 重要的是，仅投资您可以承受损失的金额，并在有任何疑问时寻求独立的财务建议。 如需了解更多信息，我们建议您参阅条款和条件以及发行人或广告商提供的帮助和支持页面。 MetaversePost 致力于提供准确、公正的报告，但市场状况如有变更，恕不另行通知。
