OpenAI 推出最新的 Whisper API，這是用於語音到文本轉錄和翻譯的尖端技術
OpenAI 今天推出了 耳語API，開源 Whisper 語音轉文本模型的託管版本，於 2022 年 XNUMX 月發布。 ChatGPT API，將與 ChatGPT SDK 將使開發人員能夠構建可以發送和接收短信的聊天機器人。
OpenAI 據稱，Whisper 是一種自動語音識別系統，售價為每分鐘 0.006 美元，可以執行各種語言的“強大”語音轉錄以及語言翻譯，價格為 300 美元。 它可以獲取 M4A、MP3、MP4、MPEG、MPGA、WAV 和 WEBM 格式的文件。
流行的核心 來自谷歌等巨頭的技術服務、Amazon 和 Meta 都是已經有了很大發展的語音識別系統。 然而，Whisper 與其他產品的不同之處在於，根據 OpenAI 總裁兼董事長格雷格·布羅克曼 (Greg Brockman) 接受了從互聯網收集的 680,000 小時多語言和“多任務”數據的訓練。 除了改進對獨特口音、背景噪音和技術術語的識別之外，還提高了語音識別能力。
根據 Brockman 的說法，開發者生態系統並不是圍繞 他們發布的模型 因為它被認為是不夠的。 相反，該公司專注於 Whisper API，它是同一模型的更快、更方便的版本。
Brockman 解釋說，企業在實施語音轉錄技術時會遇到各種障礙。 2020 年 Statista 調查的數據證明了這一點：當被問及為什麼企業沒有採用 tech-to-speech 技術時，主要原因是難以正確識別口音或方言、準確性和費用。
Whisper 確實有其局限性，特別是在“下一個單詞”預測領域。 OpenAI 警告說，它的文字記錄中可能包含實際上並未說出的單詞，可能是因為它試圖 預測下一個 音頻中的單詞並轉錄錄音本身。 此外，Whisper 在不同語言中的表現並不相同，當涉及到訓練數據中沒有很好表示的語言時，它的錯誤率會更高。
不幸的是，即使是先進的語音識別系統也無法避免偏見，這主要是因為大多數公司依賴的數據集主要由美國白人語音組成。 2020年，一個 斯坦福大學的研究 表明由亞馬遜、蘋果、谷歌、IBM 和微軟創建的系統被發現更有可能誤解非裔美國用戶所說的話。 事實上，系統在解釋非裔美國用戶所說的話時犯的錯誤是原來的兩倍。 雖然這項研究只關注美國黑人和白人之間的差異，但當非母語人士和有地方口音的人使用這些系統時，系統也可能會犯更多錯誤。
儘管存在所有這些問題， OpenAI 相信 Whisper API 的使用將改進當前的應用程序、服務、產品和工具。 由人工智能驅動的語言學習應用程序 Speak 已經在利用 API 創建新的應用程序內虛擬伴侶。 根據 OpenAI，如果 OpenAI 以一種主要方式闖入它。
“我們想像我們想要成為一種既靈活又強大的通用智能，”布羅克曼說。 “我們希望能夠接收任何類型的數據——任何類型的任務——並成為註意力的倍增器。”
閱讀更多相關新聞：
免責聲明
在與線 信託專案指南，請注意，本頁提供的資訊無意且不應被解釋為法律、稅務、投資、財務或任何其他形式的建議。 重要的是，僅投資您可以承受損失的金額，並在有任何疑問時尋求獨立的財務建議。 如需了解更多信息，我們建議您參閱條款和條件以及發行人或廣告商提供的幫助和支援頁面。 MetaversePost 致力於提供準確、公正的報告，但市場狀況如有變更，恕不另行通知。
