{"id":105165,"date":"2022-09-25T21:36:38","date_gmt":"2022-09-25T19:36:39","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/otkryt-kod-sistemy-raspoznavaniya-i-perevoda-rechi-whisper"},"modified":"2022-09-25T21:36:38","modified_gmt":"2022-09-25T19:36:39","slug":"otkryt-kod-sistemy-raspoznavaniya-i-perevoda-rechi-whisper","status":"publish","type":"post","link":"https:\/\/prohoster.info\/et\/blog\/news\/otkryt-kod-sistemy-raspoznavaniya-i-perevoda-rechi-whisper","title":{"rendered":"Avatud on k\u00f5ne tuvastamise ja t\u00f5lke s\u00fcsteemi Whisper kood","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
OpenAI projekt, mis tegeleb avatud projektide arendamisega tehisintellekti vallas, on avaldanud t\u00f6\u00f6d, mis on seotud k\u00f5netuvastuss\u00fcsteemiga Whisper. Seda v\u00e4idetakse, et s\u00fcsteem tagab ingliskeelse k\u00f5ne automaatse tuvastamise usaldus- ja t\u00e4psustaseme, mis on l\u00e4hedane inimese detekteerimisele. Kood avatud standardse teostuse jaoks, mis p\u00f5hineb PyTorch raamistikul, ning komplekt juba koolitatud mudelitest, mis on kasutamiseks valmis. Kood on avatud MIT litsentsi alusel. <\/p>\n
Mudeli treenimiseks kasutati 680 000 tunni k\u00f5neandmeid, mis on kogutud erinevatest kollektsioonidest, h\u00f5lmates erinevaid keeli ja teema valdkondi. Umbes 1\/3 koolitusprotsessis kasutatud k\u00f5neandmetest kuulub keeltele, mis ei ole inglise keel. Pakutav s\u00fcsteem k\u00e4sitleb \u00f5igesti selliseid olukordi nagu aktsendiga h\u00e4\u00e4ldus, taustam\u00fcra olemasolu ja tehnilise \u017eargooni kasutamine. Lisaks k\u00f5ne transkribeerimisele tekstiks, suudab s\u00fcsteem ka t\u00f5lkida k\u00f5net \u00fcksk\u00f5ik milliselt keelt inglise keelde ja tuvastada k\u00f5ne ilmumist helivoos. <\/p>\n
Mudelite v\u00e4ljat\u00f6\u00f6tamine toimub kahes esitusviisis: inglise keele mudel ja mitmekeelne mudel, mis toetab sealhulgas vene, ukraina ja valgevene keeli. Iga esitus jaguneb omakorda 5 variandi vahel, mis erinevad suuruse ja mudelis katvuse parameetrite arvu poolest. Mida suurem on suurus, seda suurem on t\u00e4psus ja kvaliteet, kuid ka k\u00f5rgemad n\u00f5udmised GPU videom\u00e4lu suurusele ning madalam j\u00f5udlus. N\u00e4iteks minimaalne variant sisaldab 39 miljonit parameetrit ja vajab 1 GB videom\u00e4lu, samas suurim variant sisaldab 1550 miljonit parameetrit ja vajab 10 GB videom\u00e4lu. Minimaalne variant on 32 korda kiirem kui maksimaalne.
<\/center> <\/p>\n
S\u00fcsteemis kasutatakse neuroniv\u00f5rgu arhitektuuri \"Transformer\", mis koosneb omavahel suhtlevatest kodeerijast ja dekodeerijast. Helikatsed jagatakse 30-sekundilisteks l\u00f5ikudeks, mis muudetakse log-Mel-spektrogrammiks ja saadetakse kodeerijale. Kodeerija t\u00f6\u00f6 tulemus suunatakse dekodeerijasse, mis ennustab tekstilist esitamist, segades spetsiaalseid token'e, mis v\u00f5imaldavad \u00fches \u00fcldises mudelis lahendada selliseid \u00fclesandeid nagu keele tuvastamine, lausete h\u00e4\u00e4lduse kronoloogia arvestamine, k\u00f5ne transkriptsioon erinevates keeltes ja t\u00f5lkimine inglise keelde. \n Allikas: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"Avatud](\"\/wp-content\/uploads\/2022\/09\/d6aa63e77cddead1a7abfa9083ff37cb.jpg\")
<\/center> <\/p>\n