OpenAI: Whisper 1

OpenAI: Whisper 1 هو نموذج التعرف التلقائي على الكلام من OpenAI، ويُوزَّع عبر واجهة برمجة التطبيقات الخاصة بها تحت معرّف النموذج whisper-1. Whisper نفسه هو عائلة التعرف على الكلام مفتوحة المصدر من OpenAI، وهذه النقطة النهائية تتيح تلك القدرة كخدمة مستضافة. وهو يقع في فئة النسخ، لذا تتمثل مهمته في تحويل الكلام المسجل إلى نص مكتوب بدلاً من توليد ردود محادثة أو الاستدلال على المطالبات.

يأخذ النموذج الصوت كمدخل وحيد له ويعيد نسخاً كمخرج له. وهو يتعامل مع النسخ والترجمة معاً، ويغطي أكثر من 50 لغة. يمكن أن يصل حجم ملفات الصوت إلى 25 ميغابايت، وهو يقبل مجموعة من صيغ الصوت الشائعة. لا توجد نافذة سياق نصية لإدارتها هنا، لأن النموذج لا يستهلك أو ينتج تسلسلات رموز بنمط المحادثة؛ وحدة العمل هي ملف صوتي، والنتيجة هي النص المقابل. لا تسرد صفحة النموذج أي معاملات طلب قابلة للضبط، لذا تتعامل مع القيم الافتراضية التي توفرها النقطة النهائية.

ولأن المخرج نص مستمد من الكلام، فإن الاستخدامات العملية تتبع ذلك مباشرة. يمكنك نسخ تسجيلات الاجتماعات والمقابلات والمحاضرات والبودكاست والملاحظات الصوتية إلى نص قابل للبحث والتحرير. وتعني قدرة الترجمة أن الصوت بإحدى اللغات المدعومة يمكن تحويله إلى نص إنجليزي، وهو أمر مفيد للأرشيفات متعددة اللغات أو تسجيلات الدعم. ويُعد توليد الترجمات والتعليقات التوضيحية للفيديو استخداماً طبيعياً آخر، وكذلك بناء طبقة نصية فوق مكتبة من تسجيلات المكالمات للمراجعة أو الفهرسة لاحقاً. وأي سير عمل يحتاج فيه الصوت إلى أن يصبح محتوى مكتوباً، بأحجام ملفات تصل إلى 25 ميغابايت، هو مرشح لذلك.

استدعاؤه عبر api14 يعمل بالطريقة نفسها كأي نموذج آخر على البوابة، باستخدام واجهة برمجة التطبيقات المتوافقة مع OpenAI مع معرّف النموذج openai/whisper-1. ترسل صوتك إلى نقطة النسخ النهائية بالصيغة التي تتوقعها واجهة برمجة تطبيقات OpenAI، ويحتوي الرد على النص المنسوخ. وبما أن قائمة المعاملات المدعومة فارغة، فلا توجد أدوات إضافية موثقة لهذا النموذج على api14؛ تمرر الصوت ومعرّف النموذج وتقرأ النسخ الناتج. وإذا كان تطبيقك يتحدث بالفعل واجهة برمجة تطبيقات OpenAI، فإن التبديل إلى هذا النموذج مسألة تغيير معرّف النموذج.

هناك أمر واحد يجب تذكره وهو حد الملف البالغ 25 ميغابايت. ستحتاج التسجيلات الأطول إلى التقسيم قبل الإرسال، وإذا تجاوز صوتك ذلك الحجم فسيتعين عليك تقطيعه بنفسك أو معالجته مسبقاً. لاحظ أيضاً أن هذا النموذج ينتج النسخ فقط؛ وإذا كنت بحاجة إلى نموذج يجيب على الأسئلة أو يتبع التعليمات أو يولّد نصاً، فإن نموذج محادثة أو نموذج لغوي هو الخيار الأفضل. Whisper 1 هو الاختيار الصحيح عندما تكون المهمة محصورة في تحويل الكلام إلى نص.