Whisper の用語ページの内容を、手を動かして定着させるためのチュートリアルです。手順どおりに進めると、定義を自分の言葉で説明できる状態まで到達できます。
「Whisper」が何を指すのか、最初の一文を自分の言葉で言い換えてみます。Whisperは、音声をテキストへ変換する自動音声認識(ASR:AutomaticSpeechRecognition)システムです。— この一文を土台にすると外れません。
Whisperの最大の特徴は、インターネットから収集された膨大な量の音声データとテキストデータを用いて学習されている点にあります。この節を読み、仕組みの該当部分をページで確認しましょう。
観点従来の音声認識Whisper騒音の多い環境苦手としやすい対応しやすい訛りの強い話し方苦手としやすい対応しやすい対応できる言語限定されがち多様な言語に対応提供の形製品ごとに異なるオープンソース+API特に従来の音声認識システムが苦手としていた騒音の多い環境や訛りの強い話し方にも対応できる点が大きな差です。この節を読み、仕組みの該当部分をページで確認しましょう。
Whisperは音声認識だけでなく、文字起こしや翻訳も行うことができます。この節を読み、仕組みの該当部分をページで確認しましょう。
プロンプト集の型を使って「Whisper」を誰かに説明する文章を書いてみます。最後に「まとめ」(W…)と突き合わせて不足を補います。