アメリカのスタートアップ企業Useful Sensorsは、Moonshineというオープンソースの音声認識モデルを発表しました。Moonshineは、オーディオデータの処理をより効率的に行うように設計されており、OpenAIのWhisperと比較して、計算資源の使用量が少なく、処理速度が5倍高速です。この新しいモデルは、リソースの限られたハードウェアでのリアルタイムアプリケーションの実現を目指して設計されており、柔軟なアーキテクチャを備えています。Whisperがオーディオを固定の30秒のセグメントに分割して処理するのに対し、Moonshineは…

イスラエルのAI企業aiOlaは、Whisper Medusaというオープンソースの音声認識モデルを発表しました。このモデルは改良されたアーキテクチャ設計に基づいており、マルチヘッドアテンション機構を導入することで、OpenAIのWhisperモデルよりも50%高速な処理を実現しています。Whisper Medusaは、従来の1トークンずつではなく、10トークンを並列に予測することで、音声認識速度を大幅に向上させながら、性能の低下を防いでいます。その革新的なトレーニング方法は弱教師あり学習を採用しており、主幹システムを凍結して—

イスラエルのAIスタートアップ企業aiOlaは、OpenAIのWhisperより50％高速なオープンソース音声認識モデルWhisper-Medusaを発表しました。このモデルはWhisperをベースに構築されており、革新的な「マルチヘッドアテンション」アーキテクチャを採用することで、一度により多くのトークンを予測し、速度を大幅に向上させながら精度を維持しています。Whisper-Medusaは、MITライセンスの下でHugging Faceで公開されており、研究および商業利用が許可されています。aiOlaは弱教師あり学習を用いて…