開始行:
#html{{ <h1 style="color: red; background-color: #FFFFCC; padding... Whisper </h1> <div class="alert alert-warning" role="alert"> Whisper（ウィスパー）は、音声を文字に変換するためのAIです... ChatGPTを開発しているOpenAI社によって開発された音声認識モ... </div> }} //---------------------------------------- #contents //---------------------------------------- //---------------------------------------- // 用語の定義 * Whisperとは？ [#definition] - OpenAI Whisper - Google 検索 https://www.google.com/search?q=OpenAI+Whisper - Whisper (音声認識システム) - Wikipedia https://ja.wikipedia.org/wiki/Whisper_(%E9%9F%B3%E5%A3%B0... >Whisperは、音声認識と文字起こしのための機械学習モデルで... 英語を含む複数の言語で音声を文字起こしできる他、英語以外... OpenAIは、開発において多様な訓練データを使用したことで、... >Whisperは弱教師あり学習を用いた深層学習音響モデルであり... Whisper V2は2022年12月8日にリリースされた。 Whisper V3は2023年11月のOpenAI Dev Dayでリリースされた。 - Whisper が登場 | OpenAI https://openai.com/ja-JP/index/whisper/ >Whisper は、ウェブから収集された68万時間に及ぶ多言語・マ... このような大規模で多様なデータセットを使用することで、ア... さらに、多言語での文字起こしや多言語から英語への翻訳も可... 当社は、有用なアプリケーションの構築や、ロバストな音声処... #ref(./whisper-architecture.png,800x) >Whisper のアーキテクチャはシンプルなエンドツーエンドのア... 入力音声は30秒のチャンクに分割され、ログメルスペクトログ... デコーダーは、対応するテキストキャプションを予測するよう... …ちょっと何言ってるか分からない… ** 🎤 Whisperの仕組み（ChatGPTによる解説） [#ned9fa67] Whisperは「音を聞いて文字にするAI」です。 大まかにいうと、''耳の役割（エンコーダー）'' と ''口（手... 1. ''音を小分けにする（30秒ごと）'' → 長い音声を一気に処理するのは難しいので、30秒ごとに区切... 2. ''音の特徴を取り出す（スペクトログラム化）'' → 人間の耳が「高さ（音程）、強さ（音量）、リズム」を感じ... コンピュータは音を「色のついたグラフ（ログメルスペクトロ... （音の波をそのまま扱うより、グラフにすると理解しやすい） 3. ''エンコーダー（耳の役割）'' → このグラフを読み取って、「この音はどんな特徴があるか？... 4. ''デコーダー（口／手の役割）'' → エンコーダーが理解した情報をもとに、 「この部分は『こんにちは』だな」と予測して文字にします。 5. ''追加の機能（特殊なトークン）'' Whisperは文字にするだけじゃなくて、 - どの言語かを自動で判別 - いつ話されたか（タイムスタンプ）を推定 - 外国語を英語に翻訳 なども、一つの仕組みでできるようになっています。 ---- ** イメージ例 [#z0de8f0d] #ref(./whisper-infographic.jpg,800x) - ''エンコーダー'' = 耳で聞いて頭の中で「意味のあるかたま... - ''デコーダー'' = 整理された内容を言葉にしてノートに書く。 だからWhisperは「耳と手を持つAIの書記さん」みたいなもので... ---- 👉 専門用語を使わずにまとめると： Whisperは、 ①音を短く区切ってグラフに変換し、 ②それをAIが聞き取って文字にしたり、 ③さらには翻訳してくれる仕組み です。 //---------------------------------------- * ツール [#ib069c22] -[[Whisper Desktop]]　WindowsでWhisperを手軽に利用するた... >GitHub - Const-me/Whisper: High-performance GPGPU infere... https://github.com/Const-me/Whisper //---------------------------------------- // *Amazon [#amazon] #html{{ }} //---------------------------------------- * 関連 [#relation] //---------------------------------------- -[[AI]]

終了行:
#html{{ <h1 style="color: red; background-color: #FFFFCC; padding... Whisper </h1> <div class="alert alert-warning" role="alert"> Whisper（ウィスパー）は、音声を文字に変換するためのAIです... ChatGPTを開発しているOpenAI社によって開発された音声認識モ... </div> }} //---------------------------------------- #contents //---------------------------------------- //---------------------------------------- // 用語の定義 * Whisperとは？ [#definition] - OpenAI Whisper - Google 検索 https://www.google.com/search?q=OpenAI+Whisper - Whisper (音声認識システム) - Wikipedia https://ja.wikipedia.org/wiki/Whisper_(%E9%9F%B3%E5%A3%B0... >Whisperは、音声認識と文字起こしのための機械学習モデルで... 英語を含む複数の言語で音声を文字起こしできる他、英語以外... OpenAIは、開発において多様な訓練データを使用したことで、... >Whisperは弱教師あり学習を用いた深層学習音響モデルであり... Whisper V2は2022年12月8日にリリースされた。 Whisper V3は2023年11月のOpenAI Dev Dayでリリースされた。 - Whisper が登場 | OpenAI https://openai.com/ja-JP/index/whisper/ >Whisper は、ウェブから収集された68万時間に及ぶ多言語・マ... このような大規模で多様なデータセットを使用することで、ア... さらに、多言語での文字起こしや多言語から英語への翻訳も可... 当社は、有用なアプリケーションの構築や、ロバストな音声処... #ref(./whisper-architecture.png,800x) >Whisper のアーキテクチャはシンプルなエンドツーエンドのア... 入力音声は30秒のチャンクに分割され、ログメルスペクトログ... デコーダーは、対応するテキストキャプションを予測するよう... …ちょっと何言ってるか分からない… ** 🎤 Whisperの仕組み（ChatGPTによる解説） [#ned9fa67] Whisperは「音を聞いて文字にするAI」です。 大まかにいうと、''耳の役割（エンコーダー）'' と ''口（手... 1. ''音を小分けにする（30秒ごと）'' → 長い音声を一気に処理するのは難しいので、30秒ごとに区切... 2. ''音の特徴を取り出す（スペクトログラム化）'' → 人間の耳が「高さ（音程）、強さ（音量）、リズム」を感じ... コンピュータは音を「色のついたグラフ（ログメルスペクトロ... （音の波をそのまま扱うより、グラフにすると理解しやすい） 3. ''エンコーダー（耳の役割）'' → このグラフを読み取って、「この音はどんな特徴があるか？... 4. ''デコーダー（口／手の役割）'' → エンコーダーが理解した情報をもとに、 「この部分は『こんにちは』だな」と予測して文字にします。 5. ''追加の機能（特殊なトークン）'' Whisperは文字にするだけじゃなくて、 - どの言語かを自動で判別 - いつ話されたか（タイムスタンプ）を推定 - 外国語を英語に翻訳 なども、一つの仕組みでできるようになっています。 ---- ** イメージ例 [#z0de8f0d] #ref(./whisper-infographic.jpg,800x) - ''エンコーダー'' = 耳で聞いて頭の中で「意味のあるかたま... - ''デコーダー'' = 整理された内容を言葉にしてノートに書く。 だからWhisperは「耳と手を持つAIの書記さん」みたいなもので... ---- 👉 専門用語を使わずにまとめると： Whisperは、 ①音を短く区切ってグラフに変換し、 ②それをAIが聞き取って文字にしたり、 ③さらには翻訳してくれる仕組み です。 //---------------------------------------- * ツール [#ib069c22] -[[Whisper Desktop]]　WindowsでWhisperを手軽に利用するた... >GitHub - Const-me/Whisper: High-performance GPGPU infere... https://github.com/Const-me/Whisper //---------------------------------------- // *Amazon [#amazon] #html{{ }} //---------------------------------------- * 関連 [#relation] //---------------------------------------- -[[AI]]

ページ名: