Whisper (OpenAI)

Mikä on Whisper?

Whisper on OpenAI:n kehittämä avoimen lähdekoodin automaattinen puheentunnistusjärjestelmä (ASR). Se on koulutettu 680 000 tunnilla monikielistä dataa ja tarjoaa poikkeuksellisen tarkkuuden.

Keskeiset ominaisuudet

• Laaja kielituki - Tukee kymmeniä kieliä mukaan lukien suomi
• Avoin lähdekoodi - Ilmainen käyttää ja muokata
• Erikokoiset mallit - Tiny:stä Large:en tarpeen mukaan
• Kääntäminen - Käännä suoraan englanniksi
• Aikaleimaus - Sana- ja lausetason aikaleimat

Mallit ja suorituskyky

• Tiny - 39M parametria, ~1 GB VRAM, nopein
• Base - 74M parametria, ~1 GB VRAM
• Small - 244M parametria, ~2 GB VRAM
• Medium - 769M parametria, ~5 GB VRAM
• Large-v3 - 1.5B parametria, ~10 GB VRAM, paras tarkkuus
• Turbo - 809M parametria, ~6 GB VRAM, optimoitu nopeuteen

Englanninkielisille äänille on omat .en-versiot pienemmistä malleista.

Käyttötavat

• API - OpenAI:n pilvipalvelu ($0.006/min)
• Paikallinen - Asenna omalle koneelle (GPU suositeltava)
• Integraatiot - Descript, Otter.ai yms.

Käyttökohteet

• Videoiden ja podcastien litterointi
• Reaaliaikainen tekstitys
• Kokousten dokumentointi
• Saavutettavuusratkaisut