Mozilla arendab k\u00f5ne tuvastamise t\u00f6\u00f6riistu Whisperfile, mis sisaldavad iseseisvat k\u00f5rge j\u00f5udlusega tehisintellekti mudeli Whisper rakendust, mille on loonud ja tutvustanud OpenAI organisatsioon. T\u00f6\u00f6riist on loodud whisper.cpp baasil, mis on mudeli Whisper C\/C++ rakendus, mille on loonud Georgi Gerganov (llama.cpp autor). Kood on kirjutatud C++-s ja ning jagatakse MIT litsentsi alusel. <\/p>\n
Whisperfile'i arendab Mozilla Ocho meeskond ning see t\u00e4iendavad llamafile projekti, mis on m\u00f5eldud universaalsete k\u00e4ivitatavate failide loomiseks suurte keeles Mudelite (LLM) jaoks. Sarnaselt llamafile projektiga v\u00f5imaldab whisperfile luua modelli treeningfailidest GGUF formaadis k\u00e4ivitatavaid faile, mis saavad t\u00f6\u00f6tada erinevates operatsioonis\u00fcsteemides AMD64 ja ARM64 protsessoritega. Kompileeritud kood v\u00f5ib siduda standardse C raamatukoguga Cosmopolitan, mis v\u00f5imaldab luua rakenduste kogumeid, mida saab k\u00e4itada Linux'i, FreeBSD, macOS, OpenBSD, NetBSD ja Windows'i s\u00fcsteemides. <\/p>\n
K\u00e4ivitades k\u00e4ivitatava faili, edastatakse sisendina k\u00f5nefail formaadis wav, mp3, ogg v\u00f5i flac ning v\u00e4ljundina salvestatakse tuvastatud tekst. Praktikas saab projekti rakendada selliste \u00fclesannete lahendamiseks nagu videote tekstivormistuse genereerimine, k\u00f5ne- ja videohelide logimise loomine, salvestatud h\u00e4\u00e4lmaterjalide teksti \u00fcmberkujundamine ning h\u00e4\u00e4letuv\u00f5ime korraldamine. Whisperfile'i abil saab neid \u00fclesandeid lahendada kohalikul s\u00fcsteemil, ilma v\u00e4liste teenusteta. <\/p>\n
Lisaks toetab see toimimist HTTP-serverina, mis haldab k\u00f5netuvastuse taotlusi Web API kaudu. Mudeli t\u00f6\u00f6 kiirendamiseks v\u00f5ivad olla kasutusele v\u00f5etud GPU-d ja AVX juhised. T\u00f6\u00f6riist v\u00f5ib samuti v\u00e4ljendada usaldusv\u00e4\u00e4rsuse koefitsiente, mis v\u00f5imaldavad tuvastatud s\u00f5nu v\u00e4rvikoodida vastavalt nende m\u00e4\u00e4ratlemise t\u00e4psusele.
<\/center> <\/p>\n
Kasutatud Whisper mudel on treenitud 680 000 tunni jooksul k\u00f5neandmeid, mis katab erinevaid teema valdkondi ja keeli (2\/3 andmetest on inglise keeles). Mudel tunneb h\u00e4sti aktsente, m\u00e4\u00e4rab tehnilist \u017eargooni, toetab automaatset keele tuvastamist ja suudab t\u00f6\u00f6tada taustam\u00fcra korral. Inglise keele k\u00f5ne puhul n\u00e4itab s\u00fcsteem usaldusv\u00e4\u00e4rsuse ja t\u00e4psuse taset, mis on l\u00e4hedane inimese k\u00f5ne tuvastamisele. Lisaks k\u00f5ne transkribeerimisele tekstiks saab mudelit kasutada ka k\u00f5ne t\u00f5lkimiseks teisele keelele. \n Allikas: 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