Whisper خارج الصندوق مثير للإعجاب، لكن أي شخص قام فعلاً بنشره في الإنتاج يعرف الألم: فهو يخطئ في الأسماء الصحيحة، وأسماء المنتجات، والمصطلحات الطبية، والمصطلحات القانونية، والذيل الطويل بالكامل لمفردات المجال التي تهم مستخدميك أكثر. هذا هو الجزء 6 من السلسلة حول تحويل Whisper من OpenAI إلى خدمة ASR حقيقية الخاصة بك، ويعالج هذه المشكلة بشكل مباشر — كيفية جعل النموذج يتعرف بشكل موثوق على الكيانات المسماة والمصطلحات الخاصة بالمجال دون الحاجة إلى إعادة تدريب الشيء بالكامل من الصفر.

تناقش الحلقة تقنيات عملية لتحيز الاعتراف نحو المفردات المخصصة، ودمج قوائم الكيانات في مسار فك الترميز، وسد فجوة الدقة بين نموذج الأساس العام ونظام يفهم فعلاً مصطلحات مجالك. يبني على الأجزاء السابقة من السلسلة التي تغطي نظرة عامة، تحليل العائد على الاستثمار، معالجة الملفات الصوتية الطويلة والبث، المعالجة اللاحقة، نمذجة اللغة الخارجية، ودقة الطابع الزمني، بحيث يندمج بنظافة في خط أنابيب جاهز للإنتاج. إذا كنت تقيم ما إذا كان يجب عليك الالتزام ببرنامج ASR السحابي أو بناء البرنامج الخاص بك فوق Whisper، فهذا هو الجزء الذي يجيب على سؤال المفردات.