Whisper-Medusa è il nuovo modello di AI open-source di riconoscimento vocale di aiOla, che sostiene di essere il 50% più veloce di Whisper di OpenAI

aiOla è un'azienda con sede in Israele, fondata nel 2019, specializzata in soluzioni basate sull'AI per la digitalizzazione dei flussi di lavoro cartacei. L'azienda ha recentemente presentato Whisper-Medusa, un modello di AI open-source che è una combinazione di Whisper di OpenAI e la tecnologia di aiOla. Sostiene di operare oltre il 50% più velocemente, pur mantenendo un'elevata precisione. Questa velocità è ottenuta grazie a un metodo unico di previsione dei token, che prevede dieci token alla volta invece di uno, come si vede in OpenAIdi Whisper.

Whisper-Medusa è stato sviluppato utilizzando una supervisione debole. Questo processo prevede l'utilizzo di Whisper per trascrivere i set di dati audio, che poi servono come etichette per addestrare i moduli di predizione dei token di Medusa.

Whisper-Medusa potrebbe rivelarsi una grande risorsa per le aziende che si affidano ancora a flussi di lavoro cartacei nelle operazioni quotidiane. La tecnologia di aiOla, attraverso il suo sistema di back-end 'aiOla Jargonic', può assistere i lavoratori frontline in vari settori. Per esempio, nell'industria alimentare, aiOla ha ottimizzato il controllo qualità trasformando le liste di controllo manuali in flussi di lavoro digitali. L'azienda afferma che l'intero processo è "facile come caricare una foto o un file dei processi esistenti".

Supportando oltre 100 lingue e vari accenti, Whisper-Medusa potrebbe essere utile anche in settori come l'aviazione, la produzione alimentare, la logistica e la sanità. Convertendo i dati vocali non strutturati in informazioni utili, le aziende possono ridurre i costi e migliorare l'allocazione delle risorse.

Gli interessati possono trovare i file open-source su Hugging Face e GitHub.