蒸留-ささやき：AI音声からテキストへの技術の進歩
「エッセンスの奏でるリズム：AI音声からテキストへの進化」
Distil-Whisper: AIの効率的な音声トランスクリプションへの新しいアプローチ
私のブログやその他の情報は、AIニュースレターで受け取ることができます。YouTubeでの成功の秘訣など、無料の特典もあります！
ビデオをご覧ください:
ご存知のように、私たちはすでにチャットGPTやオープンソースの代替品を使って、書かれた形式でAIとのやり取りを非常にうまく効率的に行っています。次のステップは、声を使ってスムーズに話すことです。まだ試したことがない場合、OpenAIにはWhisperという非常に優れたAIがあります。誰でも使用して音声やオーディオをテキストに変換し、それを任意のモデルや下流タスクで使用することができます。非常に強力ですが、リアルタイムアプリケーションにうまく組み込むのは簡単ではなく、音声の処理には時間がかかります。
メッセージが理解されるまで少し待たなければならないことは、どれだけイライラするか知っています。例えば、SiriやGoogleアシスタントなどのアシスタントでの場合です。音声トランスクライバーは、AIベースのアプリでの音声が日常的な楽しい要素になる前に、はるかに効率的になる必要があります。幸いなことに、素晴らしい研究者たちがこの音声トランスクリプションの問題に取り組んでおり、最近Distil-Whisperを共有しました。オリジナルのWhisperモデルよりも6倍高速で、49％小さく、正確性は99％保たれています。そして、最高のことは、完全なオープンソースであり、今すぐに使用できるということです。
実際の結果の例を見るために、ビデオをチェックしてください！
Distil-Whisperは、サイズと速度の両方でWhisperよりも改善されています。性能は向上していませんが、すでにWhisperと比べて非常に優れた結果を出しているので、非常に印象的です。多くのアクセントに対して人間の話し言葉を理解する能力において、私よりも優れています。
そして、聞き間違えがないですよ。ほぼ6倍も高速化されました、5.8倍といいますと…
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
