aiOla baru-baru ini merilis model transkripsi audio AI open source yang disebut Whisper-NER, yang didasarkan pada model Whisper OpenAI dan menambahkan fungsi untuk menutupi informasi sensitif secara real-time. Inovasi ini secara efektif mengatasi risiko kebocoran privasi selama proses transkripsi audio, memberikan solusi yang lebih aman untuk bidang hukum, medis, pendidikan, dan bidang lainnya. Whisper-NER tidak hanya mampu mentranskripsikan audio secara akurat dalam berbagai bahasa dan aksen, namun opsi konfigurasinya yang fleksibel memungkinkan pengguna menyesuaikan strategi penyembunyian informasi sensitif, sehingga semakin meningkatkan kepraktisan dan keamanan model. Fitur open source juga memungkinkan pengembang dan peneliti untuk berpartisipasi dalam peningkatan dan optimalisasi model, dan bersama-sama mempromosikan kemajuan teknologi AI.
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
Menyorot:
Model transkripsi audio yang diluncurkan oleh aiOla dapat menutupi informasi sensitif secara real time dan melindungi privasi pengguna.
Model ini mendukung berbagai bahasa dan aksen serta cocok untuk berbagai bidang seperti hukum, kedokteran, dan pendidikan.
Fitur open source memungkinkan pengguna untuk menyesuaikan dan mengoptimalkan model, mendorong inovasi dalam teknologi AI.
Secara keseluruhan, fitur open source dan perlindungan privasi Whisper-NER menjadikannya kemajuan besar di bidang transkripsi audio. Prospek penerapannya luas, dan patut dinantikan lebih banyak kemungkinan yang akan dibawanya ke dalam pengembangan teknologi AI di masa depan. Pengembang dipersilakan untuk berpartisipasi dan bekerja sama untuk memperbaiki dan menyempurnakan model.