JPMorgan Chase cut about 500 positions this week,
mostly among technology and operations groups,
according to people with knowledge of the move.
The cuts were spread across the New York-based firm’s main divisions,
said the people, who declined to be identified speaking about personnel matters.
The dismissals come even as JPMorgan seeks to fill about 13,000 open positions,
said one of the people.
Robust Speech Recognition via Large-Scale Weak Supervision
https://openai.com/research/whisper
인터넷에서 오디오의 대규모 스크립트를 예측하기 위해 단순히 훈련된 음성 처리 시스템의 기능을 연구합니다. 680,000시간의 다중 언어 및 다중 작업 감독으로 확장하면 생성된 모델은 표준 벤치마크에 잘 일반화되며 종종 이전의 완전히 감독된 결과와 경쟁하지만 미세 조정 없이 제로샷 전송 설정에서 수행됩니다. 인간과 비교할 때 모델은 정확도와 견고성에 접근합니다. 우리는 강력한 음성 처리에 대한 추가 작업의 기반으로 제공하기 위해 모델과 추론 코드를 출시하고 있습니다.
음성 인식 시스템(ASR)은 오디오를 텍스트로 변환하는 데 사용됩니다.
ASR 시스템은 일반적으로 오류를 범합니다. 이러한 오류는 모호한 발음, 지정 오류, 데이터 세트의 품질 등 다양한 요인으로 인해 발생할 수 있습니다.
Whisper는 680,000시간의 다중 언어 및 다중 작업 감독을 통해 훈련된 ASR 모델입니다. Whisper는 이전의 ASR 모델보다 정확도가 높지만 여전히 오류를 범합니다.
Whisper의 성능을 인간의 성능과 비교하기 위해 연구원들은 Kincaid46 데이터 세트에서 25개의 녹음을 선택했습니다. 그들은 5개의 서비스에서 전문 녹음가를 사용하여 각 녹음의 텍스트를 생성했습니다. 이 서비스 중 하나는 컴퓨터 지원 녹음가였고 나머지 네 개는 순수하게 인간이었습니다.
연구원들은 각 녹음의 오류율(WER)과 전체 WER을 계산했습니다. 컴퓨터 지원 녹음가가 Whisper보다 1.15% 포인트 낮은 전체 WER을 가지고 있음을 발견했습니다. 순수한 인간의 성능은 Whisper보다 훨씬 적은 비율로만 더 나았습니다.
이 결과는 Whisper의 영어 ASR 성능이 완벽하지는 않지만 인간 수준의 정확도에 매우 가깝다는 것을 보여줍니다.
Python usage
Transcription can also be performed within Python:
import whisper
model = whisper.load_model("base")
result = model.transcribe("audio.mp3")
print(result["text"])
Internally, thetranscribe()method reads the entire file and processes the audio with a sliding 30-second window, performing autoregressive sequence-to-sequence predictions on each window.
Below is an example usage ofwhisper.detect_language()andwhisper.decode()which provide lower-level access to the model.
import whisper
model = whisper.load_model("base")
# load audio and pad/trim it to fit 30 seconds
audio = whisper.load_audio("audio.mp3")
audio = whisper.pad_or_trim(audio)
# make log-Mel spectrogram and move to the same device as the model
mel = whisper.log_mel_spectrogram(audio).to(model.device)
# detect the spoken language
_, probs = model.detect_language(mel)
print(f"Detected language: {max(probs, key=probs.get)}")
# decode the audio
options = whisper.DecodingOptions()
result = whisper.decode(model, mel, options)
# print the recognized text
print(result.text)
■이번에 해볼 것은 내 티스토리 블로그의 글 목록을 가져오는 파이썬 코드를 작성하여 테스트를 진행해 보려고 한다.
다른부분은 수정할 것이 없고 access_token 에 access_token 값을 넣고
blog_url에 내 티스토리 블로그 주소를 넣어 주면 된다.
import requests
def get_tistory_posts(blog_name, access_token):
url = f'https://www.tistory.com/apis/post/list?output=json&blogName={blog_name}&access_token={access_token}'
response = requests.get(url)
data = response.json()
if 'tistory' in data and 'item' in data['tistory'] and 'posts' in data['tistory']['item']:
posts = data['tistory']['item']['posts']
for post in posts:
post_id = post['id']
title = post['title']
print(f"Post ID: {post_id}")
print(f"Title: {title}")
print('---')
else:
print('No posts found.')
# 사용 예시
blog_name = 'YOUR_BLOG_NAME'
access_token = 'YOUR_ACCESS_TOKEN'
get_tistory_posts(blog_name, access_token)
Error: Error: post-link failed for: openssl-1.0.2l-0 에러 발생
역시나 한번에 되는 건 없다.
Error: Error: post-link failed for: openssl-1.0.2l-0" 오류는 라즈베리파이에서 conda를 설치할 때 발생할 수 있는 일반적인 오류입니다. 이 오류는 openssl 라이브러리 설치 문제로 인해 발생하며 일반적으로 파이썬 3.9 이상을 실행하는 라즈베리파이 4에서 발생합니다.
일반적인 오류라고 하니 해결해 봅시다.
sudo apt update
sudo apt install libssl-dev
#openssl 라이브러리를 업데이트한 후 conda를 다시 설치할 수 있습니다.
conda install conda
conda install anaconda-client
WEB_SERCH 가 이미 있어서 삭제 후에 다시 생성
#기존에 동일한 이름으로 생성이 이미 되었다면 삭제
conda env remove --n 가상환경이름
#사용자 생성
conda create -n WEB_SEARCH --clone=/home/pi/miniconda3
가상환경 활성화 (source activate 가상환경이름)
conda activate WEB_SEARCH 를 진행했더니 에러가 발생했다.
source activate WEB_SEARCH
음... 설치는 되는 것 같은데 conda환경에서 라이브러리 설치를 하면 ssl 에러가 여전히 발생했다.
armv8 버전에 64bit 로 다운로드 하여 설치를 진행하였으나 이 또한 원할하지 않았다.
