01 / UNDERSTAND
仕組みと使いどころ
同じ規模に英語専用版と多言語版があり、発話を元の言語で文字化するほか、音声を英語へ翻訳できる。大規模な弱教師ありデータで学習され、雑音やアクセントへの頑健性が検討されている。一方、実際には発話されていない文の生成、言語や話者属性による精度差、反復があり、標準状態ではリアルタイム文字起こしに対応しない。
02 / IN PRACTICE
Whisper Baseの活用例
たとえば、こんな場面で
収録済みの会議音声を文字化したり、多言語音声を英語へ翻訳したりする用途が考えられる。
03 / GOOD TO KNOW
使うときのポイント
導入前に対象言語、アクセント、雑音条件で評価し、誤認識や発話にない文章の混入を確認する。
参考資料
whisper/model-card.md at main · openai/whisper （新しいタブで開きます）Robust Speech Recognition via Large-Scale Weak Supervision （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。