【AIで音声をテキストに変換】Whisperの使い方を解説！〜 Pythonを使って無料でSpeech-to-Textを動かそう〜

Рет қаралды 13,078

Pythonプログラミング VTuber サプー

Күн бұрын

Пікірлер: 38

@kani2735 18 күн бұрын

今回の動画恐ろしく今の僕にぴったりな内容でした。今まさに会議時に人の声を聞き分けたり、会議の概要をまとめるアプリを作っています。assemblyaiは話者識別できるし精度も悪くないのでおすすめです！あと復活して嬉しいです！

@pythonvtuber9917 18 күн бұрын

ご視聴いただきありがとうございます！！ assemblyaiというの初めてしりました✨✨ AIは色々なことができて本当便利ですよねー！！

@sora_bean 27 күн бұрын

Docker入門で知り、過去動画を見漁ってます素晴らしい解説動画をありがとうございます書籍も購入させていただきました！

@pythonvtuber9917 26 күн бұрын

ご視聴いただきありがとうございます！！書籍もご購入いただきありがたいです☺️ 動画でも書籍でも何かプログラミング学習のお役に立っていたら嬉しいです✨

@AI-tf2ey 26 күн бұрын

先月からchatgpt使ってウィスパー作りました。職場でかなり重宝してます！

@pythonvtuber9917 26 күн бұрын

わー！！すごいです✨✨ 実際にお仕事でも使えるプログラムが作れると嬉しいですよね！！

@トリ-g9q 14 күн бұрын

おお！これ今日ちょうど使ったところです。パワーのないパソコンだとWhisperのロードに時間がかかるのが玉にキズですか、無料で上手い感じにテキスト化してくれるのは嬉しい！ですよね。僕はlargeモデルだけ使ってます。

@pythonvtuber9917 14 күн бұрын

おー！！私のPCではLargeモデル動かなかったので羨ましいです！！こんなに凄いのに無料なのが嬉しいですね☺️

@jpy7362 27 күн бұрын

ありがとうございます！

@pythonvtuber9917 27 күн бұрын

super thanks 大変ありがたいです！！！

@パル-x3u 26 күн бұрын

pythonで音声解析できるなんて技術の進歩は素晴らしいですね(高校生) 投稿された動画リスト見てきましが凄いですねこれ見ればpython丸わかりじゃないですかということで次は機械学習についてお願いします

@pythonvtuber9917 26 күн бұрын

AIすごいですよね！！機械学習については専門の方とのコラボとかを予定してるので楽しみにしていてください☺️

@387 27 күн бұрын

音声認識は以前SpeechRecognitionで作ったことがあるよそれよりも精度は上がってるんだろうなぁ🙄 （ところでサプーちゃんは今日もかわいい😇）

@pythonvtuber9917 27 күн бұрын

SpeechRecognitionというのもあるんですね！！AIの進化はすごいですよね😳 サプーの姿が可愛くてついつい大きく映してしまいます☺️

@MikuHatsune-np4dj 24 күн бұрын

同音異義語や駄洒落観たいに人間でも錯覚するような言葉を試してみたくなります

@pythonvtuber9917 24 күн бұрын

確かに人間でも聞き間違えしやすい言葉もありますからね！！

@taimura2126 4 күн бұрын

８：０９のあたりで＄３２と表示されていますが、GPU動かすとお金かかってしまいますか？

@せだ-b5l 25 күн бұрын

OpenAIから出たrealtimeAPIについて、使い方などを紹介した動画を作ってくださると嬉しいです。

@pythonvtuber9917 25 күн бұрын

realtimeAPIのリクエストありがとうございます！考えてみますね！

@raba-340 23 күн бұрын

faster_whisperに変更して、ローカルのGPU(GTX1660)も使用するようにしたら、large-v3で実時間の23%で変換できました

@pythonvtuber9917 23 күн бұрын

おー！！速いですね！！ faster_whisperは動かしたことが無かったので、どの程度速くなるか共有いただけてありがたいです☺️

@人人-d8i 27 күн бұрын

ビデオカード持ってる前提での方法でやって欲しいな

@pythonvtuber9917 27 күн бұрын

リクエストありがとうございます！

@raba-340 27 күн бұрын

ffmpegはどこで使われてるんだろう

@pythonvtuber9917 27 күн бұрын

Whisperの中のどの部分か？ということですかね？うーんどこでしょう🤔

@toms-in3xr 27 күн бұрын

@@pythonvtuber9917 オーディオファイルを読み込んでデコード、バッファーとして取り込んでndarrayとして扱えるようにする部分で使われてたはずです～

@pythonvtuber9917 27 күн бұрын

わーー！！そうなんですね！！教えていただきありがとうございます☺️

@YASSHY 27 күн бұрын

今日のサプーちゃん、ほっぺがふっくらしている様に見える。

@pythonvtuber9917 27 күн бұрын

角度によって微妙に見え方が違いますよね！

@ptptsoushu 27 күн бұрын

今日は前半はすっごい簡単〜(^-^)vと思ったら、後半ついていけませんでした(T . T) 引き続き修行します. リクエストですがLLM+RAGやろうと思うので解説動画あげていただけると嬉しいです。強化学習やファインチューニングとの違いを知りたいです

@pythonvtuber9917 27 күн бұрын

ご視聴ありがとうございます！！確かにGoogle Cloudに慣れていないと後半は難しいかもですね😵 LLM+RAGのリクエストありがとうございます！考えてみますね！

@son-o9w 26 күн бұрын

この、「滑舌の問題で文字起こしが変」という要素は、何らかの認証に使えないかとちょっと考えました。それくらい、フェイクやなりすましを恐れる昨今です。この手のものは、まだマシンパワーに頼るところですよね。現実がSFを追い抜いたとわずかに思いつつも、まだSFのほうが先を行ってると実感すること多しです。スマホで大きなモデルが難なく動くとこまでが当面のゴールでしょうか。

@pythonvtuber9917 25 күн бұрын

確かに完璧じゃないほうが人間っぽい感じがありますよね！スマホで大きなモデルを動かすとなるとハードの方ももっと進化する必要があるかもですね🤔