aiOla近日發布了一款名為Whisper-NER的開源AI音頻轉錄模型，該模型基於OpenAI的Whisper模型，並在其基礎上增加了實時遮蔽敏感信息的功能。這一創新有效地解決了在音頻轉錄過程中隱私洩露的風險，為法律、醫療、教育等領域提供了更安全的解決方案。 Whisper-NER不僅能夠準確轉錄多種語言和口音的音頻，而且其靈活的配置選項允許用戶自定義敏感信息遮蔽策略，進一步增強了模型的實用性和安全性。開源的特性也使得開發者和研究人員能夠參與到模型的改進和優化中，共同推動AI技術的進步。
近日，aiOla 宣布推出一款開源的AI 音頻轉錄模型Whisper-NER，該模型在轉錄過程中能夠實時遮蔽敏感信息。
aiOla 的新Whisper-NER 構建在OpenAI 的行業標准開源模型Whisper 之上，本身是完全開源的，現在可以在Hugging Face 和Github 上獲得，供企業、組織和個人使用、使用、適應、修改和部署。
該音頻轉錄模型具備靈活的配置選項，用戶可以根據需求選擇是否對敏感信息進行遮蔽。當用戶選擇遮蔽功能時，模型會自動識別並隱藏如個人姓名、地址、電話號碼等敏感信息，有效防止在轉錄文本中洩露隱私。這種能力使得該模型在法律、醫療、教育等領域的應用場景中顯得尤為重要。
除了保護敏感信息，該模型還具備高效準確的轉錄能力，能夠在多種語言和口音下正常工作。這使得它在多語言環境中的應用變得更加廣泛。例如，企業在處理客戶反饋時，能夠準確記錄並分析來自不同地區的音頻信息，進而改善服務質量。
此外，aiOla 還鼓勵開發者和研究人員使用這一開源模型，進一步提升其功能。用戶可以在開源平台上獲取源代碼，並根據自身需求進行修改和優化。這一做法不僅提升了模型的可用性，也促進了AI 技術的創新和發展。
aiOla 的這一新產品展示了在音頻轉錄領域對隱私保護的重視，也為未來的AI 應用開闢了更多可能性。隨著更多用戶和開發者的加入，期待這一開源模型能帶來更廣泛的應用場景和影響力。
Whisper-NER 是完全開源的，可在MIT 許可證下使用，允許用戶自由採用、修改和部署它，包括用於商業應用程序。現在用戶還可以在Hugging Face 上試用演示模型，允許他們錄製語音片段，並讓模型在生成的鍵入腳本中掩蓋他們鍵入的特定單詞。
huggingface:https://huggingface.co/aiola/whisper-ner-v1
github:https://github.com/aiola-lab/whisper-ner
劃重點:
aiOla 推出的音頻轉錄模型可以實時遮蔽敏感信息，保護用戶隱私。
模型支持多種語言和口音，適用於法律、醫療和教育等多個領域。
開源特性允許用戶自定義和優化模型，促進AI 技術的創新。
總而言之，Whisper-NER 的開源和隱私保護特性使其成為音頻轉錄領域的一大進步，其應用前景廣闊，值得期待其在未來為AI技術發展帶來的更多可能性。 歡迎開發者們參與其中，共同完善和改進該模型。