语音识别是通用人工智能的重要一环！可以说是AI的耳朵！
它可以让机器理解人类的语音，并将其转换为文本或其他形式的输出。
语音识别的应用场景非常广泛，比如智能助理、语音搜索、语音翻译、语音输入等等。
然而，语音识别也面临着很多挑战，比如不同的语言、口音、噪音、专业术语等等，都会影响语音识别的准确性和鲁棒性。
为了解决这些问题，OpenAI开源了语音识别系统： Whisper
目前在开源网站上已收获5w星！
它号称其英文语音辨识能力已达到人类水准，且它亦支持其它98种语言的自动语音辨识。
Whisper是什么？
Whisper是由研发出ChatGPT的OpenAI的研究团队开发的，OpenAI的研究成果也经常引起广泛的关注和讨论，比如GPT系列的预训练语言模型、DALL-E的图像生成模型、CLIP的图像分类模型等等。
Whisper的主要作者是Jong Wook Kim，他是OpenAI的研究科学家，他的研究兴趣是语音处理、自然语言处理和机器学习。
Whisper 架构是一种简单的端到端方法，以编码器-解码器 Transformer 的形式实现。输入音频被分成 30 秒的块，转换为对数梅尔频谱图，然后传递到编码器。
解码器经过训练来预测相应的文本标题，并与特殊标记混合在一起，指导单个模型执行语言识别、短语级时间戳、多语言语音转录和英语语音翻译等任务。
Whisper的惊艳功能
Whisper的最大特点是它的多语言和多任务能力，它可以同时处理多种语言和多种任务，而不需要针对每种语言或任务单独训练或调整模型。Whisper目前支持的语言有99种，包括英语、中文、日语、法语、德语、西班牙语等等，覆盖了世界上大部分的人口和地区。
Whisper目前支持的任务有四种，分别是：
-
多语言语音识别（Multilingual Speech Recognition）：将语音转换为与语音相同语言的文本，比如将英语语音转换为英语文本，或者将中文语音转换为中文文本。
-
语音翻译（Speech Translation）：将语音从一种语言翻译成另一种语言的文本，比如将英语语音翻译成中文文本，或者将中文语音翻译成英语文本。
-
语言识别（Language Identification）：识别语音中的语言类型，比如判断语音是英语还是中文，或者是其他语言。
-
语音活动检测（Voice Activity Detection）：检测语音中的活动区域，即语音中有人说话的部分，和没有人说话的部分。
Whisper的创新之处在于，它可以让人工智能学习和使用语境，从而提高和人类的沟通质量。Whisper的工作原理是，它会根据人类的输入，生成一个语境向量，这是一个包含了语境信息的数学表示。
然后，它会用这个语境向量来指导人工智能的输出，使其更加符合人类的期望。Whisper的优点是，它可以和任何类型的人工智能模型配合使用，无论是文本，图像，音频，视频，还是其他的形式。Whisper还可以让人工智能适应不同的语境，比如不同的场景，不同的任务，不同的用户，不同的风格，等等。
Whisper的性能
Whisper的这些功能不仅强大，而且准确和鲁棒。Whisper的英文语音识别的准确率已经达到了人类的水平，甚至在一些嘈杂的环境中，还超过了人类的水平。Whisper的多语言语音识别和语音翻译的准确率也非常高，甚至在一些零样本的情况下，也能够表现出色。
Whisper 的性能因语言而异。下图显示了按语言large-v3和模型的性能细分，使用在 Common Voice 15 和 Fleurs 数据集上评估的large-v2WER（单词错误率）或 CER（字符错误率，以斜体显示）。
与其他模型和数据集相对应的其他 WER/CER 指标可以在论文的附录 D.1、D.2 和 D.4 中找到，以及附录 D 中的 BLEU（双语评估研究）翻译分数。
Whisper的性能不仅在实验室的环境中得到了验证，也在实际的应用场景中得到了证明。Whisper已经被应用在了OpenAI的一些项目中，比如GPT-4的语音输入，CLIP的语音分类等等。
代码地址：
论文地址：
博文地址：