En el campo del reconocimiento de voz, el desarrollo de la tecnología de reconocimiento de chino ha sido un tema de gran interés. Recientemente, el equipo FireRed de Xiaohongshu lanzó un nuevo modelo de reconocimiento de voz de código abierto: FireRedASR. Este sistema de reconocimiento de voz basado en modelos grandes ha obtenido excelentes resultados en varios conjuntos de pruebas estándar, lo que representa un gran avance en la tecnología de reconocimiento de voz en chino. El indicador principal de FireRedASR es la tasa de error de caracteres (CER), un indicador que cuanto más bajo sea, mejor será el rendimiento del modelo. En las pruebas públicas recientes, Fi

La startup estadounidense Useful Sensors ha lanzado un modelo de reconocimiento de voz de código abierto llamado Moonshine. Moonshine está diseñado para procesar datos de audio de manera más eficiente, utilizando menos recursos computacionales que Whisper de OpenAI y siendo cinco veces más rápido. Este nuevo modelo está diseñado para aplicaciones en tiempo real en hardware con recursos limitados y cuenta con una arquitectura flexible. A diferencia de Whisper, que procesa el audio en fragmentos fijos de 30 segundos...

La empresa israelí de IA aiOla ha lanzado un modelo de reconocimiento de voz de código abierto llamado Whisper Medusa. Basado en un diseño de arquitectura mejorado que incorpora un mecanismo de atención múltiple, este modelo es un 50% más rápido que el modelo Whisper de OpenAI. Whisper Medusa logra esta mejora de velocidad prediciendo diez tokens en paralelo en lugar de uno a la vez, manteniendo al mismo tiempo el rendimiento. Su innovador método de entrenamiento utiliza aprendizaje con supervisión débil, congelando el sistema principal y utilizando...

La startup israelí de IA, aiOla, ha lanzado un modelo de reconocimiento de voz de código abierto llamado Whisper-Medusa, que es un 50% más rápido que Whisper de OpenAI. Este modelo, basado en Whisper, utiliza una innovadora arquitectura de "atención multi-cabeza" que permite predecir más tokens a la vez, lo que resulta en una mejora significativa de la velocidad sin sacrificar la precisión. Whisper-Medusa se ha publicado en Hugging Face con licencia MIT, permitiendo su uso tanto para investigación como para fines comerciales. aiOla utiliza la supervisión débil para...