Skip to main content

Whisper: تقریر کی شناخت

تعارف​

OpenAI Whisper ایک state-of-the-art تقریر کی شناخت ماڈل ہے جو متعدد زبانوں اور شور والے ماحول کو سنبھالتا ہے۔

اہم خصوصیات​

1. Multilingual Support​

  • 99 زبانیں
  • خودکار زبان detection
  • اردو، انگریزی، عربی

2. شور کے خلاف مضبوطی​

  • پس منظر کے شور
  • متعدد بولنے والے
  • مختلف accents

ROS 2 Integration​

import whisper

class WhisperNode(Node):
    def __init__(self):
        super().__init__('whisper_node')
        self.model = whisper.load_model("base")

    def listen(self):
        audio_data = self.stream.read(16000)
        result = self.model.transcribe(audio_data)
        return result['text']

فوائد​

✅ اعلیٰ درستگی ✅ کوئی training نہیں ✅ آسان integration

جاری رکھیں: کثیر الوجوہی ادراک

حوالہ جات​

Radford, A., et al. (2022). Robust Speech Recognition. arXiv:2212.04356.

Personalize