OpenAI Whisper i hrvatski jezik

Virtualni seks i zamjena za obitelj, naziv je posljednje epizode Explore [1] na kojoj sam odlučio isprobati OpenAI-ov Whisper [2] za prepoznavanje hrvatskog jezika. Moj zaključak: neupotrebljivo. Neupotrebljivo u smislu da se opet treba poslušati audio kako bi se korigirao prepoznati dialog i, u nekim slučajevima, da bi se shvatilo o čemu se uopće govori.

Kod prepoznavanja govora do sada sam najbolje rezultate imao s Google Transcribe-om, ali on postoji samo na mobilnim uređajima. Google Docs također ima voice input, ali on ne podržava naš jezik. Ako poznajete neki speech-to-text konverter koji ima besplatan API ili je open-source pa se može instalirati na vlastito računalo, a da radi s hrvatskim jezikom - molim javite. Ne radim ništa ozbiljno, samo eksperimentiram.

Ostaje mi da nekom drugom prilikom isprobam text-to-speech, ali o tom po tom.

Za ilustraciju Whisper-a, slijedi dio 'prepoznate' konverzacije (isti timestamp kojim počinje i [1]):

I ovi zepla koji sad stavili na tržište svoje VR? Ima nekoliko proizvođaćali bez niz ozemaca, japanaca, amerikanaca sa tenoradi. Znači Kina pokušava naprajeti svoj uređaj tog tipa, ali to je tehnologija, ono kaj zkažo, ovo je absolutno vrh tehnologije, su uređaj za litografiju mikroprocesore. Dobro, silicija? Silicija vrti šte čestice su daraši i gleda šta se desi. Mi om problem sa atomskom fizikom, da mi nemožemo doznaš šta je nutra. I onda zamisli se... U nutra gdje? U atomu. Zamislimo sad, mislimo netko koje gleda auti se voze po cesti, je zanimena skako ti automobili su napravljene, ali ti ne možeš sad doći razmontirati auto. I onda šta se radi ciclotron? Uzme dan auto s jedne strane, uzme auto s jedne strane, onda ih sudari velikom brzinom i gledaš koji komadi lete. Zagljuče, ha, kotac je dio auto. Onda leti karboraтор, karboraтор je dio auto, ali kako karboraтора, da treba moži jaće zaletiti te auto, da se bolje razbija, onda je zaletiti, i onda umisto karboraтора sad leti vijak, leti membrana, leti je opruga i ti svatiš kako funkcionira auto, tako da bezkonašno puta sudaraš auto i gledaš, da leti je ciclotron, naprosto zalječeš atome jednog drugoga ili čestice i gledaš, da letio. Dobro, taj boson Hicksov još. No i dalje, samost je trebalo zašto je to sve skupa zaljepljeno. Znači ko je ljepilo drži skupa, to sve skupa gravitacija, i onda ideš još ja će razbiti, da vidiš da lete je zavareni komadi, kažem, vidi ovo je zavareno, tu je ljepilo. Došli smo do kraja ovog audiodijela, hvala vam ljepa, poštavan i slušati ili eksplore i do slušanja čujemo se opeti i moćemo interaktivno uživati jedni u drugima sljedeći gutirka. Hvala ljepa i do slušanja. Do slušanja.

[1] https://www.youtube.com/watch?v=9QUQBYyUels&t=2829
[2] https://openai.com/research/whisper