Whisper (OpenAI)

OpenAI Whisper (Robust Speech Recognition via Large-Scale Weak Supervision)

Türkçe: Whisper Konuşma Tanıma Modeli

Ayrıntılı Tanım

OpenAI tarafından 680.000 saatlik devasa çok dilli internet ses verisiyle zayıf denetimli olarak eğitilen; aksanlara, arka plan gürültülerine ve teknik jargona karşı olağanüstü dayanıklı Encoder-Decoder Transformer mimarisidir.

Ne İşe Yarar / Çözülen Problem

Eski ASR sistemlerinin stüdyo dışındaki gürültülü ortamlarda ve farklı aksanlarda çökmesi sorununu çözerek konuşma tanımayı küresel bir emtia haline getirmiştir.

Nasıl Çalışır? (Teknik & Mekanizma)

80-kanallı Mel-spektrogram alır. Encoder sesi işler. Decoder özel görev belirteçleriyle (`<|startoftranscript|>`, `<|tr|>`, `<|transcribe|>`, `<|notimestamps|>`) hem konuşma tanıma hem de doğrudan İngilizceye çeviri yapabilir.

Örnek Senaryo & Pratik Uygulama

Arkada kafeterya gürültüsü, çatal bıçak sesleri varken hızlıca konuşan birinin ses kaydını Whisper'ın sıfır hatayla ve noktalama işaretleriyle ekrana dökmesi.

Benzer Terimlerden Farkı

Sadece temiz laboratuvar sesinde değil; gerçek hayatın en kirli akustik ortamlarında bile şaşırtıcı şekilde kararlı çalışır.

İlişkili Terimler (3)

#492

Automatic Speech Recognition (ASR)

Otomatik Konuşma Tanıma (Sesten Metne)

#490

Mel-Spectrogram

Mel-Ölçekli Spektrogram

#185

Transformer Encoder

Transformer Kodlayıcı

Ait Olduğu Kategori

Ses, Konuşma ve Müzik Yapay Zekâsı

ASR (Whisper), TTS, Vocoder, Spektrogram analizi ve nöral ses üretimi.

Toplam Terim:30 Madde

Bu Kategorideki Tüm Terimleri Gör →

Önceki Terim (#494)Connectionist Temporal Classification (CTC)

Sonraki Terim (#496)Wav2Vec 2.0