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人类水平的鲁棒性和准确性。
「Whisper」通过集成来自网络的大量数据，提高了对口音、背景噪音以及专业术语的识别能力。这与之前研究表明，无监督预训练可以显著提升模型质量，但由于缺乏高质量同等数据集，因此在一定程度上限制了模型的有效性。相比之下，有监督预训练则显示出更高的鲁棒性。
OpenAI 在「Whisper」中采取了一种新的方法，即扩展弱监督语音识别至68万小时，并展示了即使在这种规模下，所训练模型也能实现高质量结果而无需特定于数据集的小幅调整。
前特斯拉人工智能和自动驾驶部门负责人 Andrej Karpathy 表示 OpenAI 正处于最佳状态，而对于这个新技术，一些用户仍有疑虑。例如，网友 Vincent Lordier 提问，如果类似 GTP-3 和 Dalle-2 中出现过言论控制问题，那么是否也会在使用「Whisper」时出现？
随着这项技术逐渐被应用，我们将看到它如何影响我们的交流方式，以及人们对其隐私保护措施的反应。
参考链接：https://openai.com/blog/whisper/
