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。
