{"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\/fr\/blog\/news\/otkryt-kod-sistemy-raspoznavaniya-i-perevoda-rechi-whisper","title":{"rendered":"Le code du syst\u00e8me de reconnaissance et de traduction vocale Whisper est ouvert","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Le projet OpenAI, d\u00e9di\u00e9 au d\u00e9veloppement de projets d'intelligence artificielle accessibles au public, a publi\u00e9 des travaux li\u00e9s au syst\u00e8me de reconnaissance vocale Whisper. Il est affirm\u00e9 que pour la parole en anglais, le syst\u00e8me offre des niveaux de fiabilit\u00e9 et de pr\u00e9cision de reconnaissance automatique proches de ceux de l'humain. Le code de l'impl\u00e9mentation de r\u00e9f\u00e9rence bas\u00e9e sur le framework PyTorch ainsi qu'un ensemble de mod\u00e8les d\u00e9j\u00e0 entra\u00een\u00e9s, pr\u00eats \u00e0 l'emploi, sont open source sous licence MIT. <\/p>\n
Pour entra\u00eener le mod\u00e8le, 680 000 heures de donn\u00e9es vocales ont \u00e9t\u00e9 utilis\u00e9es, collect\u00e9es \u00e0 partir de plusieurs ensembles couvrant diff\u00e9rentes langues et domaines th\u00e9matiques. Environ 1\/3 des donn\u00e9es vocales utilis\u00e9es pour l'entra\u00eenement proviennent de langues autres que l'anglais. Le syst\u00e8me propos\u00e9 traite correctement des situations telles que les accents \u00e0 la prononciation, la pr\u00e9sence de bruit de fond et l'utilisation de jargon technique. En plus de la transcription de la parole en texte, le syst\u00e8me peut \u00e9galement traduire la parole d'une langue quelconque vers l'anglais et d\u00e9tecter les moments de parole dans le flux audio. <\/p>\n
Les mod\u00e8les sont form\u00e9s sous deux repr\u00e9sentations : un mod\u00e8le pour l'anglais et un mod\u00e8le multilingue, supportant notamment le russe, l'ukrainien et le bi\u00e9lorusse. Chaque repr\u00e9sentation est subdivis\u00e9e en 5 variantes, se distinguant par la taille et le nombre de param\u00e8tres pris en compte dans le mod\u00e8le. Plus la taille est grande, plus la pr\u00e9cision et la qualit\u00e9 de la reconnaissance sont \u00e9lev\u00e9es, mais les exigences en mati\u00e8re de m\u00e9moire vid\u00e9o GPU augmentent et les performances diminuent. Par exemple, la variante minimale comprend 39 millions de param\u00e8tres et n\u00e9cessite 1 Go de m\u00e9moire vid\u00e9o, tandis que la variante maximale comprend 1550 millions de param\u00e8tres et n\u00e9cessite 10 Go de m\u00e9moire vid\u00e9o. La variante minimale est 32 fois plus rapide que la variante maximale.
<\/center> <\/p>\n
Le syst\u00e8me utilise une architecture de r\u00e9seau neuronal appel\u00e9e \u00ab Transformer \u00bb, comprenant un encodeur et un d\u00e9codeur qui interagissent entre eux. Le son est segment\u00e9 en extraits de 30 secondes, qui sont convertis en spectrogrammes log-Mel et transmis \u00e0 l'encodeur. Le r\u00e9sultat produit par l'encodeur est envoy\u00e9 au d\u00e9codeur, qui pr\u00e9dit une repr\u00e9sentation textuelle, m\u00eal\u00e9e \u00e0 des jetons sp\u00e9ciaux permettant de r\u00e9soudre des t\u00e2ches telles que la d\u00e9tection de la langue, le suivi de la chronologie de la prononciation des phrases, la transcription de la parole en diff\u00e9rentes langues et la traduction en anglais. \n Source : opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"Le](\"\/wp-content\/uploads\/2022\/09\/d6aa63e77cddead1a7abfa9083ff37cb.jpg\")
<\/center> <\/p>\n