2025-03-15 数码 0
9月21日，OpenAI 推出了名为「Whisper」的新技术，这是一种使用了68万小时的多语音和多任务监督数据训练的自动语音识别（ASR）系统。据称，其在英语语音识别方面已达到了接近人类水平的性能。
「Whisper」通过利用庞大的数据集进行训练，能够更好地适应口音、背景噪声以及专业术语等复杂环境。这一成就是基于前人研究，即无监督预训练可以显著提高音频编码器质量，但由于缺乏高质量的预训练和特定微调协议，这些模型在一定程度上限制了其有效性和鲁棒性。而部分有监督方式预训练的语音识别系统则表现出更高的鲁棒性。
OpenAI 在「Whisper」中实现了将弱监督语音识别规模扩大至68万小时，并且展示了在这种规模下，可以通过转移现有数据集实现零射击效果，从而消除特定微调影响，以达到高质量结果。
Andrej Karpathy，曾是特斯拉的人工智能与自动驾驶部门负责人，也对这一消息表示赞赏，称“OpenAI 正处于最佳状态”。
然而，对于使用「Whisper」系统，有不少用户仍然持有疑虑。例如，有网友提问，“如果之前GPT-3和Dalle-2出现过相关言论禁止行为，那么是否也会在使用『Whisper』时出现类似问题？是否会发生用户录制内容被编辑或删除的情况？”
对于这些问题，以及如何看待这项技术，我们需要进一步探讨并听取更多的声音。参考链接：https://openai.com/blog/whisper/
