译者|布加迪

审校|重楼

图1.target=_blankclass=infotextkey>OpenAIWhisper模型的上班原理图

在这个日益数字化的全球，将语音转换成文本的需求变得越来越关键。无论为了可访问性、内容创立、数据剖析还是其余用途，将口语转换成口语都是一个须要有效处置方案的疑问。OpenAI开发的人工默认模型Whisper就能做到这一点：将口语转化成易于了解的文本。

本文将逐渐引见Whisper是什么、它是如何上班的以及如何有效经常使用它。目前Whisper在AIModels.fyi排名第19位，这款配置弱小的工具可以在各种运行中施展渺小作用。本文还将讨论如何经常使用AIModels.fyi找到适宜您共同需求的相似模型。

Whisper模型简介

由OpenAI开发的AI模型Whisper旨在将音频文件中的语音转换为文本。其运行十分宽泛，从生成视频字幕到转录采访或会议文字，不一而足。Whisper的运转次数超越了200万人次，在同类产品中锋芒毕露，是一种牢靠且受欢迎的模型。

该模型接受音频输入并将其转录成书面文字，有效地弥合了口语和口语之间的差距。此外，它支持少量言语，因此成为适宜多言语名目的杰出工具。对于该模型的更多具体信息可以在概略页面上找到。

了解Whisper模型的输入和输入

在深化钻研Whisper模型的经常使用之前，了解模型的输入和输入很关键。

输入

Whisper的关键输入是一个音频文件，它对其启动处置并转录成文本。额外的输入参数准许您定制模型的操作模式：

输入

模型输入含有已转录文本的对象，带有几个字段：

咱们已了解了模型的输入和输入，无妨看看如何经常使用它来处置咱们的转录疑问！

经常使用Whisper模型将语音转录成文本

无论您是青睐入手操作的程序员，还是偏爱交互性较强的展示方法，经常使用Whisper模型都便捷又间接。

第1步：身份验证

首先，须要装置ReplicateNode.js客户软件，并经常使用API令牌启出发份验证。这准许您以编程模式与Whisper模型启动交互。

npminstallreplicateexportREPLICATE_API_TOKEN=your_api_token_here

第2步：运转模型

成功身份验证后，您可以用音频输入来运转模型：

importReplicatefrom"replicate";constreplicate=newReplicate({auth:process.env.REPLICATE_API_TOKEN,});constoutput=awaitreplicate.run("openai/whisper:91ee9c0c3df30478510ff8c8a3a545add1ad0259ad3a9f78fba57fbc05ee64f7",{input:{audio:"your_audio_here"}}

您还可以设置预测成功后所调用的Web钩子（webhook），这实用于异步处置：

constprediction=awaitreplicate.predictions.create({version:"91ee9c0c3df30478510ff8c8a3a545add1ad0259ad3a9f78fba57fbc05ee64f7",input:{audio:"your_audio_here"},webhook:"https://example.com/your-webhook",webhook_events_filter:["completed"]});

更进一步：经常使用AIMmodels.fyi找到其余音频到文本模型

兴许您想将Whisper与其余模型启动比拟，或许摸索同一疑问畛域的其余模型。怎样才干找到它们？AIModels.fyi正是满足这个用途的上佳资源，它有一个齐全可搜查和可过滤的数据库，列有来自各种平台的AI模型。

第1步：访问AIModels.fyi

进入到AIModels.fyi，开局寻觅相似的模型。

第2步：经常使用搜查栏

经常使用页面顶部的搜查栏，搜查具有特定关键字的模型，比如audio-to-text或transcription。这将显示关系模型列表。

第3步：挑选结果

经常使用搜查栏后，您可以经过经常使用页面左侧的过滤器进一步增加结果范围。可以依据各种规范来挑选和搜查模型，包含如下：

第4步：摸索模型细节

结语

无论您是阅历丰盛的开发人员还是AI畛域的新手，OpenAI的Whisper都是一个易于经常使用且配置弱小的工具，可以将语音转换成文本。若联合AIModels.fyi之类的资源，如今比以往任何时刻更容易找到适宜您共同名目需求的完美模型。立刻开局摸索起来吧！

原文题目：ConvertingSpeechintoTextwithOpenAI'sWhisperModel，作者：MikeYoung

---

13个最佳开源语音识别引擎

在语音识别技术日益发展的今天，众多开源引擎为开发者和研究人员提供了丰富的选择。以下是一些备受关注的开源语音识别引擎，它们各自拥有独特的特点和适用场景：

1. Whisper (OpenAI): 以高精度著称，凭借其丰富的训练数据和多语言支持赢得了开发者们的青睐。然而，免费使用意味着GPU需求较高，且不支持实时转录，适合对准确性有较高要求的专业项目。

2. DeepSpeech (Mozilla): 提供了易定制的Python接口，尤其适合小设备。虽然多语言支持广泛，但Mozilla可能对项目进行调整，潜在地影响未来开发。

3. Kaldi: 作为C++编写的传统模型，Kaldi是研究领域的热门选择，其开源透明度和可靠性能深受欢迎，但传统方法的局限可能影响准确性，且对计算能力有一定要求。

4. SpeechBrain: 基于深度学习的模型，易于定制且集成PyTorch，然而文档资源相对较少，预训练模型有限，适合有一定技术背景的开发者。

5. Coqui: 提供高质量训练模型和多语言支持，实时转录功能强大，但其STT项目已停止维护，需要开发者自行权衡。

6. Julius: 实时转录性能优越，支持多种语言，注重用户隐私，但学习曲线较陡峭，适合技术熟练的开发者。

7. Flashlight ASR: 以速度和大数据处理能力见长，资源效率高，但缺乏预训练语言模型。

8. PaddleSpeech: 适合新用户，但其学习曲线较陡峭，主要支持中文，适合需要中文语音转文本处理的项目。

9. OpenSeq2Seq (Nvidia): 虽然通用性强，但资源消耗大且社区支持减少，适合Nvidia驱动设备的开发者。

10. Vosk: 轻量级引擎，适合快速响应，但对语言和口音敏感，需要特定的专业知识。

11. Athena: 简洁易用，开源免费，但学习曲线陡峭，适合寻求稳定且开源的解决方案。

12. ESPnet: 作为Apache 2.0开源工具，性能强大，适合实时转录，但对新用户来说可能较为复杂。

13. Tensorflow ASR: 准确度高且维护良好，支持多种模型和语言，但安装过程可能较为繁琐。

每款引擎都有其适用的场景，无论是性能、易用性还是特定功能，开发者在选择时应根据项目需求、资源限制和团队技术背景来权衡。

openai是哪个公司的

人工智能研究公司。

OpenAI，在美国成立的人工智能研究公司。公司核心宗旨在于“实现安全的通用人工智能(AGI)”，使其有益于人类。2015年，OpenAI由马斯克、美国创业孵化器Y Combinator总裁阿尔特曼、全球在线支付平台PayPal联合创始人彼得·蒂尔等硅谷科技大亨创立。

OpenAI是全球最著名的人工智能研究机构，发布了许多著名的人工智能技术和成果，如大语言模型GPT系列、文本生成图片预训练模型DALL·E系列、语音识别模型Whisper系列等。由于这些模型在各自领域都有相当惊艳的表现，引起了全世界广泛的关注。

该公司技术发展成果

2016年4月27日，OpenAI发布了他们的第一个项目—OpenAI Gym Beta，这是一个用来开发和比较不同强化学习算法的工具。这个工具起初是OpenAI研究人员用来加速他们强化学习研究的，这个工具也是OpenAI第一个开放的成果。

2017年5月24日，OpenAI开源了一个重现强化学习算法的工具—OpenAI Baselines。强化学习由于过程十分复杂且影响因素众多，导致很多实验难以复现。因此，OpenAI开源了这个工具，目标是提供用于正确的强化学习算法实现的一些最佳实践。