美国初创公司 Useful Sensors 推出了一款名为 Moonshine 的开源语音识别模型。Moonshine 的设计旨在更高效地处理音频数据，相比于 OpenAI 的 Whisper，它在计算资源的使用上更为经济，处理速度快五倍。这一新模型专为在资源有限的硬件上实现实时应用而打造，具有灵活的架构。与 Whisper 将音频分为固定的30秒片段处理不同，Moonshine 根据实际音频长度调整处理时间。这使得它在处理较短音频片段时表现出色，减少了由于零填充而产生的处理开销。Moonshine 有两个版本:小型的 Tiny 版本参数量为2710万，

以色列AI公司aiOla发布了一款名为Whisper Medusa的开源语音识别模型，该模型基于改进的架构设计，引入多头注意力机制，使其处理速度比OpenAI的Whisper模型快50%。Whisper Medusa通过并行预测十个tokens，而非传统的一次一个，显著提高了语音识别速度，同时保持了性能不减。其创新的训练方法采用弱监督学习，冻结主干系统并使用模型生成的音频转录作为标签训练其他模块。这一开源模型的发布，将为语音识别技术的发展带来深远影响，推动更快速、高效的语音处理应用，并可能在智能助手、实时翻译和语音控制系统等领域实现性能提升。

以色列AI初创公司aiOla发布了一款名为Whisper-Medusa的开源语音识别模型，比OpenAI的Whisper快50%。该模型基于Whisper构建，采用了创新的“多头注意力”架构，能一次预测更多代币，速度提升显著而准确性不变。Whisper-Medusa已在Hugging Face上以麻省理工学院许可发布，允许研究和商业使用。aiOla通过弱监督机器学习方法训练模型，冻结了Whisper的主要组件，并使用模型生成的音频转录作为标签来训练额外的token预测模块。该模型在真实企业数据用例上测试过，能在实际场景准确运行，有望在语音应用中加快响应速度，提升效率和降低成本。