OpenAIが高性能文字起こしAI「Whisper」を発表、日本語にも対応し早口言葉や歌詞も高精度に文字起こし可能

画像生成AI「DALL・E 2」や文章生成AI「GPT-3」といった高性能AIを開発してきたAI開発組織のOpenAIが、新たに音声を超高精度で認識して文章に書き起こせるAI「Whisper」を発表しました。発表と同時に公開されたサンプルでは「早口のセールストーク」や「ハイテンポな曲の歌詞」などの音声でも問題なく文字起こしできる性能の高さが示されています。 Introducing Whisper https://openai.com/blog/whisper/ GitHub - openai/whisper https://github.com/openai/whisper Whisperはインターネット上から収集された合計68万時間におよぶ音声データでトレーニングされた文字起こしAIです。OpenAIのブログ記事には「早口のセールストーク」「K-POPの曲」「フランス語」「独特なアクセン

[outfielder55]

かのイチローの名言「ちんぽは、本当に神」は6.4%に含まれているのか気になる（正しくは「人望が、本当にない」）

[sangping]

それでも6.4%か。使い方次第だけど、本当にどんな使い方でも「いい感じ」と思える精度は多分さらにその100分の1くらいだろうな。

[nunulk]

WER が 6.4 って相当優秀なのではないか、発音が複雑なベトナム語ですら 10 近い。あとで試す

[diet55]

「日本語の単語誤り率（※WER ）は6.4％」「また、Google製のPython実行環境『Colaboratory』を用いたデモも公開されており、Googleアカウントさえあれば手軽にデモを実行できます。」

[deejayroka]

“Whisperはインターネット上から収集された合計68万時間におよぶ音声データでトレーニングされた文字起こしAIです”

[urtz]

Youtubeの自動翻訳字幕が捗ってくれそう

[knok]

翻訳(音声出力)にも対応してる

[kalcan]

enがpに見える呪いを置いておく（人は最初と最後の文字だけあっていれば読めてしまう）

[bigburn]

Pixelシリーズで使える文字起こしが本当に優秀なので、あまりそそられない…

[door-s-dev]

英語のリスニングできない問題解決か

[hatebunbun]

マシンガンポエムドールで試してみる。

[getcha]

有料のツールでも、YouTuber の英語は書き起こせても、通常の英語会議とかはほぼ通用しないんだよな..

[fujikiseki21]

文字おこし

[aktkro]

今度絶対試す

[gabill]

これがもっと使いやすくなれば聴覚障害が障害でなくなる。

[star_123]

オケがあっても歌詞が聞き取れると言うことなのかな？youtubeに同時翻訳付きで採用して欲しいわ（というかyoutubeに限らずあらゆる音声に適用したい

[quwachy]

さくらみこが正しく文字起こしできるようになるまでは信用しないことにしてる

[gcyn]

『インターネット上から収集された合計68万時間におよぶ音声データでトレーニング／英語以外の音声を3分の1含む音声データ／日本語やフランス語、韓国語など英語以外の言語の文字起こしにも対応しています』

[nekopunch222]

OppAIに見えた疲れてるのかも…

[mur2]

相手の発言を文字起こししてくれるARゴーグルほしい。

[kei_1010]

あとで試す

[umai_bow]

77年分ぐらいか…

[abcdefghijklmnopqrstuvwxy5]

ヒカキン偽字幕みたいなのも面白くはあるんだけどYouTubeの字幕と翻訳の精度上げて海外の動画を楽しみやすくしてほしい。英語以外は流石にわからんすぎる

[punychan]

俺の滑舌の悪さに勝てるか見ものだな

[NEXTAltair]

エロゲーとかのアヘってるのを聞き取らせたい

[onigiri-chan]

ゆかりねっとに組み込んでほしいな

[kazuph1986]

どんどん出るな。

[misshiki]

“OpenAIが、新たに音声を超高精度で認識して文章に書き起こせるAI「Whisper」を発表”日本語対応！