AI在线 AI在线

Whisper

苹果新 Speech 技术出击！34分钟4K视频转录仅需45秒，速度超OpenAI 55%

苹果新 Speech 技术出击！34分钟4K视频转录仅需45秒，速度超OpenAI 55%
近日，科技媒体 macstories 通过一项实测，揭示了苹果公司全新推出的 Speech API 的强大性能。 通过转录一段长达34分钟、大小为7GB 的4K 视频，该技术仅用时45秒完成转录，速度之快令人惊叹。 这项技术的推出是在2025年 WWDC 全球开发者大会上宣布的，其中包括两个重要模块:SpeechAnalyzer 和 SpeechTranscriber。
6/18/2025 6:01:46 PM
AI在线
苹果新Speech API转录速度惊人，胜过OpenAI Whisper 55%

苹果新Speech API转录速度惊人，胜过OpenAI Whisper 55%
科技媒体 macstories 发布了一篇关于苹果新推出的 Speech API 的博文，引发了业界的广泛关注。 通过对一段时长34分钟、大小达7GB 的4K 视频文件进行转录测试，结果显示，苹果的新 Speech API 仅耗时45秒，速度远超其他同类工具。 相较之下，OpenAI 的 Whisper 转录时间为101秒，苹果的技术优势可见一斑，提升了约55% 的效率。
6/18/2025 12:01:54 PM
AI在线
西北工业大学开源语音理解模型OSUM，结合Whisper和Qwen2，支持8种语音理解任务

西北工业大学开源语音理解模型OSUM，结合Whisper和Qwen2，支持8种语音理解任务
在人工智能领域，语言模型的快速发展引发了语音理解语言模型（SULMs）的广泛关注。 近日，西北工业大学 ASLP 实验室发布了开放语音理解模型 OSUM，旨在探索在学术资源有限的情况下，如何有效训练和利用语音理解模型，以推动学术界的研究与创新。 OSUM 模型融合了 Whisper 编码器与 Qwen2语言模型，支持8种语音任务，包括语音识别（ASR）、带时间戳的语音识别(SRWT)、语音事件检测(VED)、语音情感识别(SER)、说话风格识别(SSR)、说话人性别分类(SGC)、说话人年龄预测(SAP)及语音转文本聊天(STTC)。
2/20/2025 4:33:00 PM
AI在线
​OpenAI CEO在社交平台征询用户意见，或暗示重返开源之路

​OpenAI CEO在社交平台征询用户意见，或暗示重返开源之路
OpenAI 的首席执行官 Sam Altman 近日在社交媒体平台 X 上发起了一项调查，询问用户对公司下一步开源开发方向的看法。 这一举动发生在 OpenAI 正在经历重大转型的背景下，公司正将其营利部门转变为公益公司。 自从获得微软投资以来，OpenAI 与开源的关系发生了显著变化。
2/19/2025 9:57:00 AM
AI在线
OpenAI 语音转写工具 Whisper 被曝存在重大缺陷：会凭空生成大段虚假内容

OpenAI 语音转写工具 Whisper 被曝存在重大缺陷：会凭空生成大段虚假内容
当地时间 27 日，据美联社报道，超过十位软件工程师、开发人员和学术研究人员称，OpenAI 的语音转写工具 Whisper 存在一个重大缺陷：有时会凭空生成大段甚至整句虚假内容。 这些专家指出，这些生成的文本（AI在线注：业内通常称为“AI 幻觉”）可能涉及种族言论、暴力措辞，甚至杜撰的医疗建议。 专家们认为，这一问题尤其令人担忧，因为 Whisper 已被广泛应用于全球多个行业，包括用于翻译和转录访谈内容、生成常见消费科技文本及制作视频字幕。
10/28/2024 8:47:58 AM
清源
OpenAI 升级 Whisper 语音转录 AI 模型，不牺牲质量速度快 8 倍

OpenAI 升级 Whisper 语音转录 AI 模型，不牺牲质量速度快 8 倍
OpenAI 在 10 月 1 日举办的 DevDay 活动日中，宣布推出了 Whisper large-v3-turbo 语音转录模型，共有 8.09 亿参数，在质量几乎没有下降的情况下，速度比 large-v3 快 8 倍。Whisper large-v3-turbo 语音转录模型是 large-v3 的优化版本，并且只有 4 层解码器层（Decoder Layers），作为对比 large-v3 共有 32 层。Whisper large-v3-turbo 语音转录模型共有 8.09 亿参数，比 7.69 亿
10/3/2024 11:44:37 AM
故渊
  • 1