{"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\/pl\/blog\/news\/mozilla-razvivaet-instrumentarij-dlya-raspoznavaniya-rechi-whisperfile","title":{"rendered":"Mozilla rozwija narz\u0119dzie do rozpoznawania mowy Whisperfile","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Firma Mozilla rozwija narz\u0119dzie do rozpoznawania mowy Whisperfile, kt\u00f3re obejmuje niezale\u017cn\u0105, wysoko wydajn\u0105 implementacj\u0119 modelu uczenia maszynowego Whisper, opracowanego i udost\u0119pnionego przez organizacj\u0119 OpenAI. Narz\u0119dzie zosta\u0142o stworzone na bazie whisper.cpp, implementacji modelu Whisper w C\/C++, opracowanej przez Georgija Gerganowa (autora llama.cpp). Kod jest napisany w j\u0119zyku C++ i jest rozpowszechniany na licencji MIT. <\/p>\n
Whisperfile rozwija si\u0119 w zespole Mozilla Ocho i uzupe\u0142nia projekt llamafile, kt\u00f3ry ma na celu tworzenie uniwersalnych plik\u00f3w wykonywalnych do uruchamiania du\u017cych modeli j\u0119zykowych (LLM). Podobnie jak llamafile, projekt whisperfile pozwala na generowanie pliku wykonywalnego na podstawie pliku z parametrami modelu uczenia maszynowego w formacie GGUF, kt\u00f3ry mo\u017cna uruchamia\u0107 w r\u00f3\u017cnych systemach operacyjnych na sprz\u0119cie z procesorami AMD64 i ARM64. Skompilowany kod mo\u017ce by\u0107 powi\u0105zany ze standardow\u0105 bibliotek\u0105 C Cosmopolitan, co pozwala na tworzenie aplikacji uruchamianych w Linux, FreeBSD, macOS, OpenBSD, NetBSD i Windows. <\/p>\n
Podczas uruchamiania pliku wykonywalnego jako parametr wej\u015bciowy przekazywany jest plik d\u017awi\u0119kowy mowy w formacie wav, mp3, ogg lub flac, a na wyj\u015bciu zapisywany jest rozpoznany tekst. W praktyce projekt mo\u017ce by\u0107 stosowany do takich zada\u0144 jak generowanie napis\u00f3w do film\u00f3w, tworzenie log\u00f3w g\u0142osowych i wideo po\u0142\u0105cze\u0144, przekszta\u0142canie nagranych materia\u0142\u00f3w g\u0142osowych w tekst oraz organizowanie wej\u015bcia g\u0142osowego. Dzi\u0119ki Whisperfile podobne zadania mog\u0105 by\u0107 wykonywane na lokalnym systemie bez potrzeby korzystania z zewn\u0119trznych us\u0142ug. <\/p>\n
Dodatkowo wspierana jest rola serwera HTTP, kt\u00f3ry obs\u0142uguje zapytania o rozpoznawanie mowy za po\u015brednictwem interfejsu Web API. Aby przyspieszy\u0107 prac\u0119 z modelem, mo\u017cna wykorzysta\u0107 GPU i instrukcje AVX. Narz\u0119dzie mo\u017ce r\u00f3wnie\u017c zwraca\u0107 wsp\u00f3\u0142czynniki wiarygodno\u015bci, co pozwala na kolorowanie rozpoznanych s\u0142\u00f3w w zale\u017cno\u015bci od dok\u0142adno\u015bci ich rozpoznania.
<\/center> <\/p>\n
Model Whisper zosta\u0142a wytrenowana na 680 tysi\u0105cach godzin danych g\u0142osowych, obejmuj\u0105cych r\u00f3\u017cne tematy i j\u0119zyki (2\/3 danych w j\u0119zyku angielskim). Model dobrze radzi sobie z rozpoznawaniem mowy z akcentem, rozpoznaje \u017cargon techniczny, wspiera automatyczne rozpoznawanie j\u0119zyka i mo\u017ce dzia\u0142a\u0107 w obecno\u015bci ha\u0142asu t\u0142a. Dla mowy w j\u0119zyku angielskim system wykazuje poziom niezawodno\u015bci i dok\u0142adno\u015bci rozpoznawania zbli\u017cony do rozpoznawania przez cz\u0142owieka. Opr\u00f3cz transkrypcji mowy na tekst, model mo\u017ce by\u0107 r\u00f3wnie\u017c stosowany do t\u0142umaczenia mowy na inny j\u0119zyk. \n \u0179r\u00f3d\u0142o: 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