Whisper (OpenAI)

Whisperは、ウェブから収集した680,000時間分の多言語・マルチタスクの教師ありデータで学習した、オープンソースの自動音声認識システムです。アクセント、背景雑音、専門的な言語に対して頑健になるよう設計されており、複数言語の音声を文字起こしして英語に翻訳できます。エンコーダー・デコーダー型Transformerによる、シンプルなエンドツーエンド方式を採用しています。言語識別やフレーズ単位のタイムスタンプにも対応します。使いやすさと高い精度を考慮して設計されており、開発者はより多くのアプリケーションに音声インターフェースを追加できます。