مدل Whisper رو باز کردیم: ببینیم داخلش چه خبره!

Whisper چطور صدا را می‌فهمد و به متن تبدیل می‌کند؟ در این ویدیو مدل تشخیص گفتار OpenAI را زیر ذره‌بین می‌بریم و از موج صوتی خام تا کلمه‌ی آخر، مسیر کارش را قدم‌به‌قدم بررسی می‌کنیم. در این ویدیو می‌بینیم: مشکل تشخیص گفتار قبل از Whisper و اینکه چرا سخت بود Whisper چه کارهایی انجام می‌دهد و چرا این‌قدر مورد توجه قرار گرفت داده‌های آموزشی Whisper: حجم، تنوع و دلیل اهمیتشان تبدیل صدا به نمونه‌ها و اسپکتروگرام رمزگذار و رمزگشا، با یک مثال ساده از پیشنهادهای صفحه‌کلید نرخ خطا (WER) چیست و چطور محاسبه می‌شود نصب Whisper و روش‌های استفاده از آن جمع‌بندی و نکات پایانی اگر می‌خواهید بدانید مدل‌های گفتاری واقعاً چطور فکر می‌کنند، نه فقط چطور از آن‌ها استفاده کنید، این ویدیو برای شماست. لایک کنید و اگر دوست داشتید، کانال را دنبال کنید. سؤال من از شما: کدام بخش را بیشتر دوست دارید بدانید، معماری مدل، داده‌های آموزشی یا محاسبه‌ی خطا؟ جوابتان را در کامنت‌ها بنویسید. 📱 تلگرام: https://t.me/tarfandoonchannel 🌐 وبسایت: https://jahaniwww.com 💻 گیت‌هاب: https://github.com/alipyth 💼 لینکدین: https://www.linkedin.com/in/ajahani/