Как использовать Whisper AI – система распознавания речи

Whisper — это система автоматического распознавания речи от Open AI, создателя ChatGPT и Dalle. Проект имеет открытый исходный код, что означает, что его можно использовать, распространять и изменять бесплатно.

В отличие от других систем преобразования речи в текст у Whisper нет сайта для загрузки. Все его файлы находятся в репозитории GitHub. Вам необходимо загрузить некоторые инструменты разработчика и запустить некоторый код, чтобы установить их в вашей системе.

Кто может использовать Open AI Whisper?

Любой, кому необходимо преобразовать свою речь в текст, может использовать Whisper AI. Например:

·   студент, который хочет расшифровать свои конспекты;

·   руководитель собрания, который хочет получить контекст ранее записанного собрания Zoom;

·   подкастер, желающий перевести свой аудиоконтент в различные форматы.

Cкачать и установить Whisper не так легко

Во-первых, важно понимать, что Whisper отличается от других инструментов транскрипции и перевода тем, как он работает. Сайта с готовым файлом для загрузки и установки нет. А чтобы установить и использовать его, вам необходимо базовое понимание командной строки Windows, Linux или Mac, в зависимости от вашего устройства. В сети много руководств о том, как его установить.

Как транскрибировать голос в текст с помощью Whisper Open AI

  1. Сохраните аудиофайл, который хотите расшифровать, в папке.
  2. Откройте новую командную строку из новой папки. Для этого щелкните каталог с файлом и введите «cmd».
  3. Откройте новую командную строку из новой папки.
  4. В окне командной строки введите «Whisper», а затем имя файла, который вы хотите расшифровать. Если между именем файла есть пробелы, не забудьте добавить знаки апострофа.
  5. Начнется процесс транскрипции, и время, необходимое для его завершения, будет зависеть от размера вашего файла.
Как использовать Whisper AI – система распознавания речи

Примечание. Речевые технологии искусственного интеллекта постоянно совершенствуются, и Whisper AI далек от совершенства. Например:

  • иногда могут быть опущены некоторые знаки препинания;
  • он может расшифровать некоторые слова неправильно или вообще не расшифровать некоторые слова;
  • он не проводит различия между разными говорящими людьми;
  • Whisper не может обеспечить транскрипцию в реальном времени. В настоящее время он фокусируется только на нулевой асинхронной транскрипции. Чтобы запустить Open AI Whisper онлайн, вы должны использовать Whisper API.