Whisper (OpenAI)

Whisper là hệ thống nhận dạng giọng nói tự động mã nguồn mở, được huấn luyện trên 680.000 giờ dữ liệu được giám sát đa ngôn ngữ và đa nhiệm thu thập từ web. Hệ thống được thiết kế để xử lý tốt các giọng địa phương, tiếng ồn nền và ngôn ngữ kỹ thuật, đồng thời có thể chép lời và dịch giọng nói từ nhiều ngôn ngữ sang tiếng Anh. Đây là một phương pháp đầu-cuối đơn giản, được triển khai dưới dạng Transformer mã hóa-giải mã. Whisper cũng có khả năng nhận dạng ngôn ngữ và tạo dấu thời gian ở cấp độ cụm từ. Hệ thống được thiết kế để dễ sử dụng và có độ chính xác cao, cho phép nhà phát triển thêm giao diện giọng nói vào nhiều ứng dụng hơn.