#STT# Ulasan singkat tentang model suara baru yang dirilis oleh OpenAI
OpenAI telah merilis dua model STT (Speech to Text) baru dan satu model TTS (Text to Speech). Saya telah mencoba model TTS dengan sederhana, merasa bahwa nuansa AI masih sangat kuat, terutama dalam pengucapan TTS bahasa Mandarin, kaku, tidak lancar, bahkan ada kesalahan pengucapan yang jelas. Dalam TTS bahasa Mandarin, saya merasa TTS Byte dan Azure dapat digunakan secara komersial, sementara OpenAI masih kurang memadai. Mungkin ini terkait dengan jumlah data pelatihan. STT dalam bahasa Mandarin belum pernah saya coba, tetapi berdasarkan grafik perbandingan kinerja yang diberikan oleh OpenAI, scribe-v1 telah melampaui OpenAI. LLM Kekurangan pemisahan: - Ketiga hal ini terpisah dalam sudut pandang aplikasi, dan volume proyek sangat besar, serta rantai panggilan keseluruhan kompleks, sehingga sulit untuk menjamin kelancaran latensi. - STT -\u003e LLM langkah ini pasti akan kehilangan informasi (intonasi, nada, emosi, dll), dan informasi ini lebih penting dalam komunikasi manusia (bayangkan saat pacar Anda mengatakan "benci", nada apa yang mewakili makna apa). Diperkirakan bahwa jumlah pelatihan dan komputasi model besar yang terintegrasi tidak berada pada tingkat yang sama, jadi saat ini pilihan seperti ini diambil, pilihan trade-off.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
#STT# Ulasan singkat tentang model suara baru yang dirilis oleh OpenAI
OpenAI telah merilis dua model STT (Speech to Text) baru dan satu model TTS (Text to Speech).
Saya telah mencoba model TTS dengan sederhana, merasa bahwa nuansa AI masih sangat kuat, terutama dalam pengucapan TTS bahasa Mandarin, kaku, tidak lancar, bahkan ada kesalahan pengucapan yang jelas.
Dalam TTS bahasa Mandarin, saya merasa TTS Byte dan Azure dapat digunakan secara komersial, sementara OpenAI masih kurang memadai. Mungkin ini terkait dengan jumlah data pelatihan.
STT dalam bahasa Mandarin belum pernah saya coba, tetapi berdasarkan grafik perbandingan kinerja yang diberikan oleh OpenAI, scribe-v1 telah melampaui OpenAI.
LLM
Kekurangan pemisahan:
- Ketiga hal ini terpisah dalam sudut pandang aplikasi, dan volume proyek sangat besar, serta rantai panggilan keseluruhan kompleks, sehingga sulit untuk menjamin kelancaran latensi.
- STT -\u003e LLM langkah ini pasti akan kehilangan informasi (intonasi, nada, emosi, dll), dan informasi ini lebih penting dalam komunikasi manusia (bayangkan saat pacar Anda mengatakan "benci", nada apa yang mewakili makna apa).
Diperkirakan bahwa jumlah pelatihan dan komputasi model besar yang terintegrasi tidak berada pada tingkat yang sama, jadi saat ini pilihan seperti ini diambil, pilihan trade-off.