Whisper – это система автоматического распознавания речи с открытым исходным кодом, обученная на 680 000 часов многоязычных и многозадачных контролируемых данных, собранных из Интернета. Она разработана таким образом, чтобы быть устойчивой к акцентам, фоновому шуму и техническому языку, и может транскрибировать и переводить речь на нескольких языках на английский. Это простой сквозной подход, реализованный в виде кодирующего-декодирующего преобразователя. Он также способен выполнять идентификацию языка и временные метки на уровне фраз. Он разработан для простоты использования и высокой точности, что позволяет разработчикам добавлять голосовые интерфейсы в большее количество приложений.
GitHub
