自動文字起こしサービスである、OpenAIの「Whisper API」とAWSの「Amazon Transcribe」の精度を比較してみた | DevelopersIO

自動文字起こしサービスである、OpenAIの「Whisper API」とAWSの「Amazon Transcribe」の精度を比較してみた はじめに 今回は、OpenAIのWhisper APIとAmazon Transcribeという2つの音声文字起こしサービスを試し、それぞれの精度を比較してみました。 Amazon Transcribeは、音声をテキストに変換する自動音声認識サービスです。 ストリーミングとバッチ処理のどちらでも文字起こしが可能です。 攻撃的な言葉を指定すると、Amazon Transcribeがそれらの言葉を文字起こしから自動的に削除する語彙フィルタリングなどの機能もあります。 Amazon Transcribeの詳細は、下記の記事をご参考ください。 OpenAIには音声をテキストに変換する「Whisper」という音声認識モデルがあり、WhisperをAPIの形で呼び

[akikan2]

“Whisper”は、モデルダウンロードして使ってる！APIキーも不要なので無料でおすすめ

[muchonov]

既存ソリューションに比べて格段に認識性能が良いのでColab＋Whisper APIで議事録起こしたりしてるけど、そろそろファイルを千切らなくていいGUIのインターフェースがほしいっす。

[lainof]

Whisper APIに句読点が無いのは initial_prompt で改善できたはず。

[BlueSkyDetector]

Whisperについては句読点など、Prompt Enginneringでいろいろ対応できたはず。 https://alpcom.co.jp/blog/20230330-3/ 他にも英語だけど話者分離で書き起こしとかもできるとのこと。

[takamocchi]

25MB制限なんだよな、1番のネック。

[poad1010]

この記事をおすすめしました

[tettekete37564]

回復したら試してみたい

[misshiki]

“今回の検証では、両者の比較をすると、音声認識の精度でいうとWhisper APIが優位と言えます。 一方、読みやすさという観点では、Amazon Transcribeに軍配が上がります。”

[sasasin_net]

なるほど

[tmatsuu]

Whisperは手元のPC環境でも完結してできるというのがでかいね。

[h_taiji]

保存

[gettergot]

“Whisper API”