Перевести аудио или видео на текст с языковым переводом
Whisper-это система автоматического распознавания речи с открытым исходным кодом, обученная 680 000 часов многоязычных и многозадачных данных, собранных в Интернете. Он предназначен для того, чтобы быть надежным для акцентов, фонового шума и технического языка, и может транскрибировать и переводить речь на нескольких языках на английский язык. Это простой сквозной подход, реализованный как трансформатор-энкодер-декодер. Он также способен выполнять идентификацию языка и временные метки уровня фразы. Он предназначен для простых в использовании и имеет высокую точность, позволяя разработчикам добавлять голосовые интерфейсы в большее количество приложений.
