6. januar je objavljena verzija 1.7.4 visokokvalitetnog sistema za automatsko prepoznavanje govora whisper.cpp, koji implementira model Whisper od OpenAI, napisan na jezicima C i C++ i distribuiran pod MIT licencom.
U projektu se koristi vlastita biblioteka tenzora za mašinsko učenje GGML, napisan na jeziku C i optimizovan za korišćenje različitih backend-a (CUDA, Vulkan, BLAS, SYCL, OpenCL itd.).
Popis promjena:
- Preimenovanja izvršnih fajlova:
main -> whisper-cli bench -> whisper-bench stream -> whisper-stream command -> whisper-command server -> whisper-server talk-llama -> whisper-talk-llama
- Uklonjeni su primeri talk i talk.wasm.
- U whisper-server dodata je opcija za suzbijanje nekog govora.
- Parametar suppress_non_speech_tokens preimenovan je u suppress_nst.
- U API i alate dodata je opcija no_speech_thold za postavljanje verovatnoće odsustva govora na nivou segmenta tokom transkripcije.
- U whisper-cli dodata je opcija —suppress_nst.
- Ostala poboljšanja i ispravke grešaka.
Izvor: linux.org.ru
