{"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\/novosti-interneta\/otkryt-kod-sistemy-raspoznavaniya-i-perevoda-rechi-whisper","title":{"rendered":"R\u00e4\u00e4giva ja t\u00f5lke s\u00fcsteemi Whisperi kood on avatud","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
OpenAI projekt, mis tegeleb avalike tehisintellekti projektide arendamisega, on avaldanud arendust\u00f6\u00f6d, mis puudutavad k\u00f5netuvastuse s\u00fcsteemi Whisper. V\u00e4idetavalt saavutab s\u00fcsteem ingliskeelse k\u00f5ne automaatse tuvastamise t\u00e4psuse ja usaldusv\u00e4\u00e4rsuse tasemed, mis on inimese poolt tuvastamisega sarnased. Avatud on kood viidatud teostusele PyTorch raamistikul ja kogum juba v\u00e4lja\u00f5petatud mudelitest, mis on kasutamiseks valmis. Kood on avalik all Licensit MIT. <\/p>\n
Mudeli koolitamiseks kasutati 680 000 tunni ulatuses k\u00f5nedaata, mis on kogutud mitmest kogumist, h\u00f5lmates erinevaid keeli ja teemaalasid. Ligikaudu 1\/3 koolituses kasutatud k\u00f5nedaadist on erinevatest keeltest peale inglise. Pakutav s\u00fcsteem suudab \u00f5igesti k\u00e4sitleda selliseid olukordi nagu aktsentide esitamine, taustam\u00fcra olemasolu ja tehnilise \u017eargooni kasutamine. Lisaks k\u00f5ne transkribeerimisele tekstiks suudab s\u00fcsteem ka t\u00f5lkida k\u00f5ne mis tahes keeles inglise keelde ja tuvastada k\u00f5ne esinemise helivoos. <\/p>\n
Mudelid on loodud kahes vormingus: inglise keele mudel ja mitmekeelne mudel, mis toetab ka vene, ukraina ja valgevene keeli. Iga esituse osas on olemas 5 varianti, mis erinevad suuruse ja mudelis h\u00f5lmatud parameetrite arvu poolest. Mida suurem on suurus, seda suurem on t\u00e4psus ja kvaliteet, kuid sellega kaasnevad ka k\u00f5rgemad n\u00f5udmised GPU videom\u00e4lu suurusele ja madalamad j\u00f5udlusn\u00e4itajad. N\u00e4iteks minimaalne variant h\u00f5lmab 39 miljonit parameetrit ja n\u00f5uab 1 GB videom\u00e4lu, samas kui maksimaalne variant h\u00f5lmab 1550 miljonit parameetrit ja n\u00f5uab 10 GB videom\u00e4lu. Minimaalne variant on 32 korda kiiremini kui maksimaalne.
<\/center> <\/p>\n
S\u00fcsteemis kasutatav tehisn\u00e4rviv\u00f5rk on p\u00f5hinev «Transformer» arhitektuuril, mis h\u00f5lmab omavahel suhtlevat kodeerijat ja dekodeerijat. H\u00e4\u00e4l jagatakse 30-sekundilisteks l\u00f5ikudeks, mis muundatakse log-Mel-spektrogrammiks ja edastatakse kodeerijale. Kodeerija tulemus suunatakse dekodeerijale, mis ennustab tekstip\u00f5hist esitluse koos spetsiaalsete tokenitega, v\u00f5imaldades \u00fches \u00fchises mudelis lahendada selliseid \u00fclesandeid nagu keele tuvastamine, lause h\u00e4\u00e4ldamise ajaloos hoidmine, k\u00f5ne transkribeerimine erinevates keeltes ja t\u00f5lkimine inglise keelde. \n Allikas: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"R\u00e4\u00e4giva](\"\/wp-content\/uploads\/2022\/09\/d6aa63e77cddead1a7abfa9083ff37cb.jpg\")
<\/center> <\/p>\n