ویرگول
ورودثبت نام
Amirhossein Nouri
Amirhossein Nouri
Amirhossein Nouri
Amirhossein Nouri
خواندن ۲ دقیقه·۲ ماه پیش

Whisper AI برای فارسی: دقت ۸٫۷ درصد خطا و راه اندازی محلی

Whisper AI Now Speaks Persian

⁦Whisper⁩ فارسی توسط ⁦OpenAI⁩ رسماً پشتیبانی می‌شود، اما نسخهٔ فاین‌تیون‌شدهٔ ⁦whisper-large-v3-persian⁩ در آموزش خود به نرخ خطای کلمه (⁦WER⁩) حدود ۸٫۷ درصد رسیده — این عدد از شرایط آزمایشی مدل است و نتیجهٔ واقعی روی صدای نویزدار یا لهجه‌های مختلف می‌تواند متفاوت باشد.

⁦OpenAI⁩ مدل اصلی ⁦Whisper⁩ را روی ۶۸۷٬۳۰۰ ساعت داده چندزبانه آموزش داده و در ۲۱ سپتامبر ۲۰۲۲ به‌صورت متن‌باز منتشر کرد. برای فارسی، مدل پایه دقت پایین‌تری نسبت به انگلیسی دارد، بنابراین نسخهٔ فاین‌تیون‌شدهٔ ⁦whisper-large-v3-persian⁩ روی این پایه ساخته شد تا رونویسی فارسی را بهبود دهد.

جدول آموزش این فاین‌تیون را نشان می‌دهد: در گام ۱۰۰۰ ⁦WER⁩ برابر ۱۷٫۱۱ بود، در گام ۲۰۰۰ به ۱۲٫۶۲ کاهش یافت، و در گام ۵۰۰۰ (آخرین مرحله) به ۸٫۷۳ رسید. این رقم نشان‌دهندهٔ بهبود مدل در طی آموزش است، اما در محیط تولید واقعی با صدای متنوع نتیجه متفاوت خواهد بود.

برای دانلود و اجرای ⁦Whisper⁩ روی ویندوز یا اندروید نسخهٔ رسمی یک‌کلیکی وجود ندارد. مدل و کد آن به‌صورت متن‌باز روی گیت‌هاب ⁦OpenAI⁩ عرضه شده و اجرا نیازمند نصب ⁦Python⁩ و راه‌اندازی محلی است.

برای یک چت‌بات فارسی واقعی، ⁦Whisper⁩ فقط لایهٔ تبدیل صدا به متن است؛ متن خروجی باید به یک مدل زبانی برای فهم و پاسخ‌گویی برسد. ⁦1xAi⁩ یک درگاه ⁦LLM⁩ اداره می‌کند که این بخش دوم پایپلاین را با اندپوینت سازگار با ⁦OpenAI⁩ (⁦base_url⁩ ` پوشش می‌دهد. کد اتصال به این درگاه با ⁦Python⁩ شامل تنظیم ⁦base_url⁩ و ⁦api_key⁩ است، سپس ارسال متن رونویسی‌شده به مدل زبانی برای دریافت پاسخ.

https://1xai.ir/v1`

فهرست کامل مدل‌های متنی فعال در ` قابل مشاهده است؛ در حال حاضر اندپوینت اختصاصی ⁦Whisper⁩ در این فهرست نیست. برای پایپلاین کامل صدا-به-چت‌بات سفارشی، تیم ⁦1xAi⁩ از طریق فرم تماس درخواست‌های یکپارچه‌سازی می‌پذیرد — این امکان برای کسانی مناسب است که نیاز به بهینه‌سازی خاص دارند.

https://1xai.ir/models`

دسترسی مستقیم به ⁦API⁩ ⁦OpenAI⁩ از داخل ایران بدون کارت خارجی و ⁦VPN⁩ ممکن نیست، و همین‌جاست که درگاه‌های داخلی مثل ⁦1xAi⁩ ( وارد ماجرا می‌شوند.

https://1xai.ir

مقاله کامل با جدول آموزش تفصیلی و نمونه کد: — راهنمای تبدیل صدا به متن برای اپلیکیشن و چت‌بات فارسی.

https://1xai.ir/blog/whisper-ai-farsi-tabdil-sout-be-matn

aiفارسیllm
۰
۰
Amirhossein Nouri
Amirhossein Nouri
شاید از این پست‌ها خوشتان بیاید