Whisper

Whisper، الذي قدّمه Radford et al. (2022)، نموذج للتعرّف التلقائي على الكلام وترجمته، دُرِّب بإشراف ضعيف على 680,000 ساعة من الصوت متعدد اللغات. وقد مكّنه هذا الحجم من التعميم على لغات وظروف كثيرة دون أمثلة مسبقة (zero-shot)، مقتربًا من موثوقية الإنسان دون ضبط دقيق خاص بالمهمة.

يُستخدم Whisper على نطاق واسع لتحويل الصوت إلى نص في التفريغ والترجمة النصية للمقاطع والواجهات الصوتية، بما في ذلك الإدخال الصوتي في مساعدي الذكاء الاصطناعي.