aiOla近日发布了一款名为Whisper-NER的开源AI音频转录模型，该模型基于OpenAI的Whisper模型，并在其基础上增加了实时遮蔽敏感信息的功能。这一创新有效地解决了在音频转录过程中隐私泄露的风险，为法律、医疗、教育等领域提供了更安全的解决方案。Whisper-NER不仅能够准确转录多种语言和口音的音频，而且其灵活的配置选项允许用户自定义敏感信息遮蔽策略，进一步增强了模型的实用性和安全性。开源的特性也使得开发者和研究人员能够参与到模型的改进和优化中，共同推动AI技术的进步。
近日，aiOla 宣布推出一款开源的 AI 音频转录模型Whisper-NER，该模型在转录过程中能够实时遮蔽敏感信息。
aiOla 的新 Whisper-NER 构建在 OpenAI 的行业标准开源模型 Whisper 之上，本身是完全开源的，现在可以在 Hugging Face 和 Github 上获得，供企业、组织和个人使用、使用、适应、修改和部署。
该音频转录模型具备灵活的配置选项，用户可以根据需求选择是否对敏感信息进行遮蔽。当用户选择遮蔽功能时，模型会自动识别并隐藏如个人姓名、地址、电话号码等敏感信息，有效防止在转录文本中泄露隐私。这种能力使得该模型在法律、医疗、教育等领域的应用场景中显得尤为重要。
除了保护敏感信息，该模型还具备高效准确的转录能力，能够在多种语言和口音下正常工作。这使得它在多语言环境中的应用变得更加广泛。例如，企业在处理客户反馈时，能够准确记录并分析来自不同地区的音频信息，进而改善服务质量。
此外，aiOla 还鼓励开发者和研究人员使用这一开源模型，进一步提升其功能。用户可以在开源平台上获取源代码，并根据自身需求进行修改和优化。这一做法不仅提升了模型的可用性，也促进了 AI 技术的创新和发展。
aiOla 的这一新产品展示了在音频转录领域对隐私保护的重视，也为未来的 AI 应用开辟了更多可能性。随着更多用户和开发者的加入，期待这一开源模型能带来更广泛的应用场景和影响力。
Whisper-NER 是完全开源的，可在 MIT 许可证下使用，允许用户自由采用、修改和部署它，包括用于商业应用程序。现在用户还可以在 Hugging Face 上试用演示模型，允许他们录制语音片段，并让模型在生成的键入脚本中掩盖他们键入的特定单词。
huggingface:https://huggingface.co/aiola/whisper-ner-v1
github:https://github.com/aiola-lab/whisper-ner
划重点:
aiOla 推出的音频转录模型可以实时遮蔽敏感信息，保护用户隐私。
模型支持多种语言和口音，适用于法律、医疗和教育等多个领域。
开源特性允许用户自定义和优化模型，促进 AI 技术的创新。
总而言之，Whisper-NER 的开源和隐私保护特性使其成为音频转录领域的一大进步，其应用前景广阔，值得期待其在未来为AI技术发展带来的更多可能性。 欢迎开发者们参与其中，共同完善和改进该模型。