OpenAIの音声認識モデル Whisperの解説 / Fine Tuning 方法

関連記事

OpenAIの音声認識モデル Whisperの解説 / Fine Tuning 方法

OpenAIから、かなりすごい音声認識モデル Whisperが発表されました。特出すべき点は、教師付き音声68万...概要を表示 OpenAIから、かなりすごい音声認識モデル Whisperが発表されました。特出すべき点は、教師付き音声68万時間という、かなりヤバめのデータ量で訓練しており、英語では商用の音声認識システムや人間の書き起こしに匹敵する性能とのことです。 社内でも日本語、ブルガリア語、韓国語で試してみましたが、すごい精度でした。日本語の場合、漢字の間違いが多々ありましたが、発音は大体あってそうでした。ブルガリア語は、ロシア語で認識されていました。韓国語は、完璧でした。 しかし、Githubに公開されたコードを見てみると、訓練コードが含まれておらず、公開の予定もないそうです。そこで、本記事では、Whisperの解説に加えて、Fine Tuningの方法を解説します。 ※(注記) Fine Tungingを何となくで作成しているので、正確なコードではないです。気付いた点がありましたら、コメントください。 全てのコード

• whisper
• sample
• チューニング
• 日本語

ブックマークしたユーザー

• pokutuna2024年06月07日 pokutuna
• tasukuchan2023年08月01日 tasukuchan
• ttsurumi2023年02月27日 ttsurumi
• kyo_ago2023年01月19日 kyo_ago
• masahiko_of_joytoy2022年12月01日 masahiko_of_joytoy
• jp-myk2022年10月06日 jp-myk
• t_ashula2022年09月30日 t_ashula