Mozilla utvecklar verktyget f\u00f6r taligenk\u00e4nning Whisperfile, vilket inkluderar en oberoende h\u00f6gpresterande implementering av maskininl\u00e4rningsmodellen Whisper, utvecklad och \u00f6ppen av organisationen OpenAI. Verktyget \u00e4r byggt p\u00e5 whisper.cpp, en implementering av Whisper-modellen i C\/C++, skapad av Georgi Gerganov (skaparen av llama.cpp). Koden \u00e4r skriven i C++ och distribueras under MIT-licensen. <\/p>\n
Whisperfile utvecklas av Mozilla Ocho-teamet och kompletterar projektet llamafile, som \u00e4r avsett f\u00f6r att skapa universella k\u00f6rbara filer f\u00f6r k\u00f6rning av stora spr\u00e5kmodeller inom maskininl\u00e4rning (LLM). P\u00e5 liknande s\u00e4tt som llamafile m\u00f6jligg\u00f6r projektet whisperfile att generera en k\u00f6rbar fil baserat p\u00e5 en konfigurationsfil f\u00f6r maskininl\u00e4rningsmodellen i GGUF-format, som kan k\u00f6ras p\u00e5 olika operativsystem p\u00e5 AMD64 och ARM64-h\u00e5rdvara. Den kompilerade koden kan l\u00e4nkas med standard C-biblioteket Cosmopolitan, vilket m\u00f6jligg\u00f6r skapande av applikationsbyggnader som kan k\u00f6ras p\u00e5 Linux, FreeBSD, macOS, OpenBSD, NetBSD och Windows. <\/p>\n
N\u00e4r den k\u00f6rbara filen startas, skickas en ljudfil i wav-, mp3-, ogg- eller flac-format som inparameter, och den igenk\u00e4nnda texten sparas p\u00e5 utdata. I praktiken kan projektet anv\u00e4ndas f\u00f6r att l\u00f6sa uppgifter som att generera textundertexter f\u00f6r video, skapa loggar \u00f6ver r\u00f6st- och videoklipp, omvandla inspelat r\u00f6stmaterial till text och organisera r\u00f6stinmatning. Med hj\u00e4lp av Whisperfile kan s\u00e5dana uppgifter l\u00f6sas p\u00e5 det lokala systemet utan att beh\u00f6va kontakta externa tj\u00e4nster. <\/p>\n
Dessutom st\u00f6djer den att fungera som en HTTP-server som hanterar f\u00f6rfr\u00e5gningar om taligenk\u00e4nning via Web API. F\u00f6r att snabba upp arbetet med modellen kan GPU:er och AVX-instruktioner anv\u00e4ndas. Verktyget kan ocks\u00e5 ge ut sannolikhetskoefficienter som g\u00f6r det m\u00f6jligt att markera igenk\u00e4nda ord baserat p\u00e5 noggrannheten i deras identifiering.
<\/center> <\/p>\n
Den anv\u00e4nda modellen Whisper har tr\u00e4nats p\u00e5 680 000 timmar av taldata som t\u00e4cker olika \u00e4mnesomr\u00e5den och spr\u00e5k (2\/3 av datan \u00e4r p\u00e5 engelska). Modellen hanterar v\u00e4l tal med accent, k\u00e4nner igen teknisk jargong, st\u00f6djer automatisk spr\u00e5kigenk\u00e4nning och kan fungera med bakgrundsljud. F\u00f6r engelskt tal visar systemet en p\u00e5litlighet och noggrannhet i automatisk taligenk\u00e4nning som \u00e4r n\u00e4ra m\u00e4nsklig igenk\u00e4nning. Ut\u00f6ver transkribering av tal till text kan modellen \u00e4ven anv\u00e4ndas f\u00f6r att \u00f6vers\u00e4tta tal till ett annat spr\u00e5k. \n K\u00e4lla: 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