OpenAI 開源語音識別神經網絡 Whisper
Introducing Whisper
OpenAI 宣佈將其訓練的神經網絡 Whisper 開源。Whisper 在英語語音識別上的穩健性與準確度接近人類水平。
Whisper 的開源安排與英語語音識別表現並列,且以接近人類水平作比較,讓讀者可同時掌握模型發佈範圍與性能定位。
參考資料
- 1
Chan, W., Park, D., Lee, C., Zhang, Y., Le, Q., and Norouzi, M. SpeechStew:只需將所有可用的語音辨識數據混合起來,訓練一個大型神經網絡。 arXiv 預印本 arXiv:2104.02133, 2021(在新視窗中開啟).
- 2
Galvez, D., Diamos, G., Torres, J. M. C., Achorn, K., Gopi, A., Kanter, D., Lam, M., Mazumder, M., and Reddi, V. J. 大眾語音:一個供商業用途的大規模、多元化英語語音辨識數據集。 arXiv 預印本 arXiv:2111.09344, 2021(在新視窗中開啟).
- 3
Chen, G., Chai, S., Wang, G., Du, J., Zhang, W.-Q., Weng, C., Su, D., Povey, D., Trmal, J., Zhang, J., et al. Gigaspeech:一個持續演進、涵蓋多個領域的 ASR 語料庫,包含 10,000 小時的轉錄音訊。 arXiv 預印本 arXiv:2106.06909, 2021(在新視窗中開啟).
- 4
- 5
Baevski, A., Hsu, W.N., Conneau, A., and Auli, M. 無監督語音辨識。Advances in Neural Information Processing Systems, 34:27826–27839, 2021.
- 6
Zhang, Y., Park, D. S., Han, W., Qin, J., Gulati, A., Shor, J., Jansen, A., Xu, Y., Huang, Y., Wang, S., et al. BigSSL:探索大規模半監督學習在自動語音辨識方面的前沿。 arXiv 預印本 arXiv:2109.13226, 2021(在新視窗中開啟).
來源:OpenAI News · openai.com