Whisper es un modelo de reconocimiento de voz de propósito general entrenado con un gran conjunto de datos de audio diverso. Puede realizar reconocimiento multilingüe, traducción de voz e identificación de idioma.

¿Cómo instalo Whisper?

Puedes instalar Whisper usando pip: `pip install -U openai-whisper`. También necesitas instalar ffmpeg y puede que Rust.

¿Qué tamaños de modelo están disponibles?

Hay cinco tamaños de modelo: tiny, base, small, medium y large. Cada uno ofrece diferentes balances entre velocidad y precisión.

¿Cómo transcribo un archivo de audio?

Puedes usar la herramienta de línea de comandos: `whisper audio.flac audio.mp3 audio.wav --model medium` o usar la API de Python.

Whisper

Name: Whisper
Brand: Whisper
Availability: InStock

Sin calificación0 Guardado

Un modelo de reconocimiento de voz de propósito general de OpenAI.

Código abiertoGratisReconocimiento de Voz con IA Transcripción de Voz a Texto con IA Transcriptor con IA Traductor de IA Modelos AI de Código Abierto

Whisper Introducción

¿Qué es Whisper?

Whisper es un modelo de reconocimiento de voz de propósito general desarrollado por OpenAI. Está entrenado con un gran conjunto de datos de audio diverso y es un modelo multitarea que puede realizar reconocimiento multilingüe, traducción de voz e identificación de idioma. Whisper usa un modelo Transformer secuencia a secuencia entrenado en varias tareas de procesamiento de voz, incluyendo reconocimiento multilingüe, traducción, identificación de idioma hablado y detección de actividad vocal. Estas tareas se representan conjuntamente como una secuencia de tokens que el decodificador predice, permitiendo que un solo modelo reemplace muchas etapas de una canalización tradicional de procesamiento de voz. El formato de entrenamiento multitarea usa un conjunto de tokens especiales que sirven como especificadores de tarea o objetivos de clasificación.

Cómo usar Whisper?

Whisper puede usarse vía línea de comandos o dentro de Python. Para uso en línea de comandos, puedes transcribir voz en archivos de audio especificando el archivo y tamaño del modelo. Para uso en Python, puedes cargar el modelo y usar el método transcribe() para procesar archivos de audio.