Editor Downcodes mengetahui bahwa aiOla baru-baru ini merilis model transkripsi audio AI open source, Whisper-NER, yang dapat melindungi informasi sensitif secara real-time selama proses transkripsi untuk melindungi privasi pengguna. Langkah ini tidak hanya meningkatkan keamanan transkripsi audio, namun juga memberikan kemungkinan baru untuk penerapan teknologi AI di bidang dengan persyaratan privasi tinggi seperti hukum dan perawatan medis. Whisper-NER dibangun berdasarkan model Whisper OpenAI dan sepenuhnya open source, memungkinkan pengguna untuk secara bebas menggunakan, memodifikasi, dan menyebarkannya.
Baru-baru ini, aiOla mengumumkan peluncuran Whisper-NER, model transkripsi audio AI open source yang dapat menutupi informasi sensitif secara real-time selama proses transkripsi.
Whisper-NER baru dari aiOla dibuat berdasarkan model open source standar industri OpenAI, Whisper, yang sepenuhnya open source, dan kini tersedia di Hugging Face dan Github untuk digunakan, diadaptasi, dimodifikasi, dan diterapkan oleh perusahaan, organisasi, dan individu.
Model transkripsi audio memiliki opsi konfigurasi yang fleksibel, dan pengguna dapat memilih apakah akan menutupi informasi sensitif sesuai kebutuhan mereka. Saat pengguna memilih fungsi penyembunyian, model akan secara otomatis mengidentifikasi dan menyembunyikan informasi sensitif seperti nama pribadi, alamat, nomor telepon, dll., yang secara efektif mencegah kebocoran privasi dalam teks yang ditranskripsi. Kemampuan ini menjadikan model ini sangat penting dalam skenario penerapan di bidang hukum, medis, pendidikan, dan bidang lainnya.
Selain melindungi informasi sensitif, model ini juga memiliki kemampuan transkripsi yang efisien dan akurat yang berfungsi dengan baik di berbagai bahasa dan aksen. Hal ini membuat penerapannya di lingkungan multi-bahasa semakin meluas. Misalnya, ketika perusahaan menangani umpan balik pelanggan, mereka dapat merekam dan menganalisis informasi audio dari berbagai wilayah secara akurat, sehingga meningkatkan kualitas layanan.
Selain itu, aiOla mendorong pengembang dan peneliti untuk menggunakan model open source ini untuk lebih meningkatkan kemampuannya. Pengguna dapat memperoleh kode sumber pada platform sumber terbuka dan memodifikasi serta mengoptimalkannya sesuai dengan kebutuhan mereka. Pendekatan ini tidak hanya meningkatkan kegunaan model, namun juga mendorong inovasi dan pengembangan teknologi AI.
Produk baru dari aiOla ini menunjukkan penekanannya pada perlindungan privasi di bidang transkripsi audio, dan juga membuka lebih banyak kemungkinan untuk aplikasi AI di masa depan. Dengan semakin banyaknya pengguna dan pengembang yang bergabung, kami berharap model sumber terbuka ini dapat memberikan skenario dan pengaruh aplikasi yang lebih luas.
Whisper-NER sepenuhnya open source dan tersedia di bawah lisensi MIT, memungkinkan pengguna untuk secara bebas mengadopsi, memodifikasi, dan menyebarkannya, termasuk untuk aplikasi komersial. Pengguna sekarang juga dapat mencoba model demo pada Hugging Face, yang memungkinkan mereka merekam klip ucapan dan membuat model menutupi kata-kata tertentu yang mereka ketikkan dalam skrip pengetikan yang dihasilkan.
wajah berpelukan: https://huggingface.co/aiola/whisper-ner-v1
github:https://github.com/aiola-lab/whisper-ner
Secara keseluruhan, fitur open source dan perlindungan privasi Whisper-NER telah membawa terobosan baru di bidang transkripsi audio AI, dan prospek penerapannya patut dinantikan. Editor Downcodes merekomendasikan pembaca yang tertarik untuk mengunjungi Hugging Face dan Github untuk mempelajari lebih lanjut.