Whisper V3を試す
この記事を書いている人
会計Vtuber/会計修士/公認会計士/公認情報システム監査人CISA/公認内部監査人CIA/AFP/G検定/元銀行員/大手監査法人でAIを用いた業務変革に取り組んでいました/メタバースやYouTubeにおいて会計の魅力を発信する会計Vtuberとして活動しています。
X: @TomiyamaLuca
Whisper V3モデルの公開
2023年11月6日に開催されたOpenAI Dev Dayでは様々なAIの発表がありましたが、今回はそのなかのひとつWhisper V3を試してみます。
WhisperはOpenAIが開発したオープンソースのSpeech to text(音声文字起こし)AIです。Transformerを活用することで、高い精度で文字起こしが可能です。
Whisperのモデルはsmall, medium, largeなどモデルのサイズによって区分があります。大きいモデルほど精度が高く、より大きな計算資源を必要とします。しかし、一番大きいlargeモデルでもVRAM10GB程度で動作するため、一般的なご家庭のハイパフォーマンスゲーミングPCでも十分に動作するレベルです。
WhisperのGithubリポジトリは下記です。
Wisper V3の性能向上は言語によって大きく差があります。とくに英語以外のマルチリンガルモデルの改善が顕著であり、中国語のフォーマンスが大きく向上していることがわかります。日本語の改善幅は小幅であるように見受けられます。
Whisper large-v3を試す
今回は私のYoutube動画を題材にWhisper large-v3とlarge-v2の動作を比較してみます。
題材動画「いまさらきけない財務会計士 徹底攻略 - YouTube」
動画ではかつて設立が検討された国家資格「財務会計士」について解説しています。会計士制度に関する話題で、若干専門的な用語も含んでいます。
Whisperライブラリをインストールします。
!pip install -U openai-whisper
Whisperライブラリをインポートし、mp3ファイルのパスを渡して実行します。今回はinitial_promptとして、動画の内容を簡潔に含めておきます。
initial_promptはWhisperに事前指示を与えることができ、口調や用語をある程度誘導することができます。(詳しくはドキュメントをご覧ください。
https://platform.openai.com/docs/guides/speech-to-text/prompting)
import whisper
whisper_model = whisper.load_model("large-v3")
whisper_model.transcribe("/content/完成財務会計士_1.mp3",
initial_prompt="会計Vtuberの兎耳山ルカ(とみやまるか)がかつて議論された公認会計士の前段階の資格「財務会計士」について話をしています。")
print(result["text"])
出力結果(V3とV2の比較)
Whisper large-v3による文字起こし結果(抜粋)は下記の通りです。
同様にWhisper large-v2で実行した文字起こし結果は下記の通りです。
両出力とも一見してよく文字起こしできています。出力結果を文章比較ツールを用いて比較してみます。
initial_promptが効いているのか「財務会計士」といった用語も文字起こしができています。両者の文字起こし結果は大部分が一致していますがV3のほうが気持ちディテールが出ている気もします。
「位置付け」、「噴出」、「監査法人」といった言葉はV3がうまく文字起こしできました。一方でV2が正しく文字起こしした「待機合格者」は「代金合格者」になってしまいました。
V3の出力の中段に「~で、財務会計士が負けたという~」という部分がありますがこれは発話には存在しないものであり、Whisperのハルシネーション(幻覚)です。Whisperには時折このようなtransformerらしい?ふるまいがみられます。
まとめ
短い文章での比較ではありましたが、V3とV2はどちらも高い水準で文字起こしができており、両者の目立った差はない印象です。個人的にはどっちでもいいですが、一応今後は新しいモデルのV3を使うと思います。
最後までお読みいただきありがとうございました。
参考になりましたらスキを押していただけましたら幸いです。
会計人コースに記事を執筆しました🎉
会計人コースWebでは、会計プロフェッションを目指している若い方々向けて、生成AI時代の会計人材に必要とされるスキルについて記事を執筆しました。ぜひ御覧ください!
【未来予想図2035】監査現場と会計人に必要とされるスキルとは | 会計人コースWeb
この記事が気に入ったらサポートをしてみませんか?