{"id":119595,"date":"2024-08-23T15:43:08","date_gmt":"2024-08-23T13:43:09","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/mozilla-razvivaet-instrumentarij-dlya-raspoznavaniya-rechi-whisperfile"},"modified":"2024-08-23T15:43:08","modified_gmt":"2024-08-23T13:43:09","slug":"mozilla-razvivaet-instrumentarij-dlya-raspoznavaniya-rechi-whisperfile","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/mozilla-razvivaet-instrumentarij-dlya-raspoznavaniya-rechi-whisperfile","title":{"rendered":"Mozilla udvikler v\u00e6rkt\u00f8jerne til talegenkendelse Whisperfile","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Mozilla udvikler v\u00e6rkt\u00f8jer til talegenkendelse kaldet Whisperfile, som inkluderer en uafh\u00e6ngig, h\u00f8jtydende implementering af machine learning-modellen Whisper, udviklet og udgivet af OpenAI. V\u00e6rkt\u00f8jet er baseret p\u00e5 whisper.cpp, en implementering af Whisper-modellen i C\/C++, skabt af Georgi Gerganov (skaberen af llama.cpp). Koden er skrevet i C++ og distribueres under MIT-licensen. <\/p>\n
Whisperfile udvikles af Mozilla Ocho-teamet og supplerer projektet llamafile, som er designet til at skabe universelle eksekverbare filer til k\u00f8rsel af store sprogmodeller (LLM). Ligesom llamafile g\u00f8r projektet whisperfile det muligt at generere en eksekverbar fil baseret p\u00e5 en modelparametreringsfil i GGUF-format, der kan k\u00f8re p\u00e5 forskellige operativsystemer p\u00e5 hardware med AMD64 og ARM64-processorer. Den kompilerede kode kan linkes med standard C-biblioteket Cosmopolitan, hvilket muligg\u00f8r oprettelse af applikationsbygninger, der kan k\u00f8re i Linux, FreeBSD, macOS, OpenBSD, NetBSD og Windows. <\/p>\n
N\u00e5r den eksekverbare fil k\u00f8res, gives en fil med tale i wav-, mp3-, og ogg- eller flac-format som inputparameter, og den genkendte tekst gemmes som output. I praksis kan projektet anvendes til opgaver som at generere tekstundertekster til videoer, oprette logfiler for voice- og videoopkald, konvertere optagede lydmaterialer til tekst, og organisere stemmeinput. Med Whisperfile kan s\u00e5danne opgaver l\u00f8ses lokalt uden at stole p\u00e5 eksterne tjenester. <\/p>\n
Derudover underst\u00f8ttes det at fungere som en HTTP-server, der h\u00e5ndterer anmodninger om talegenkendelse via Web API. For at accelerere arbejdet med modellen kan GPU'er og AVX-instruktioner anvendes. V\u00e6rkt\u00f8jet kan ogs\u00e5 returnere sandhedsv\u00e6rdier, der g\u00f8r det muligt at farve de genkendte ord afh\u00e6ngigt af n\u00f8jagtigheden af deres identifikation.
<\/center> <\/p>\n
Den anvendte Whisper-model er tr\u00e6net p\u00e5 680.000 timers taledata, der d\u00e6kker forskellige emner og sprog (2\/3 data p\u00e5 engelsk). Modellen klarer sig godt med at genkende tale med accent, identificerer teknisk jargon, underst\u00f8tter automatisk sprogidentifikation og kan fungere i tilstedev\u00e6relse af baggrundsst\u00f8j. For engelsk tale viser systemet en p\u00e5lidelighed og n\u00f8jagtighed i automatisk talegenkendelse, der er t\u00e6t p\u00e5 menneskelig genkendelse. Udover at transskribere tale til tekst, kan modellen ogs\u00e5 anvendes til at overs\u00e6tte tale til et andet sprog. \n Kilde: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"Mozilla](\"\/wp-content\/uploads\/2024\/08\/f4c916bc3a9281c8e5016090f183fada.png\")
<\/center> <\/p>\n