عندما فتحت OpenAI مصدر Whisper، أعادت بهدوء تعيين خط الأساس لما تبدو عليه خدمة ASR الخاصة. الضبط الدقيق لنموذج أساسي متعدد اللغات قوي على مجالك الخاص لم يعد مستحيلاً — إنه مشروع نهاية أسبوع إذا كنت تعرف أي الروافع تسحب. يضع هذا الجزء الأول من السلسلة المسار الكامل من نقاط تفتيش Whisper إلى نقطة نهاية ASR الإنتاجية المضبوطة على لغتك ولهجتك ومفرداتك.

توزع النظرة العامة المشكلة إلى ثلاث فئات. الحوسبة: خدمات الضبط الدقيق التلقائي من OpenAI و Microsoft مقابل استئجار وحدات GPU مقابل تشغيل مجموعتك الخاصة. البيانات: صوت مجال مسمى بضعف على نطاق واسع مقترن بمجموعة أصغر من العينات الإنتاجية المسمى بشكل جيد، بدلاً من النهج الكلاسيكي لتسجيل الاستوديو النظيف بالكامل. الخوارزميات والنشر: وصفات PEFT وأكوام الخدمة الموجودة جيدة بالفعل بحيث لا يجب عليك كتابة الخاصة بك من الصفر. يفصل بقية السلسلة كل قطعة، لكن إذا كنت تريد النموذج الذهني أولاً، فهذه النظرة العامة هي نقطة الدخول الصحيحة.