Klang lancerer nu sin første åbne tale-til-tekst-model til svensk. Modellen, der hedder Pianissimo, er trænet til svensk og svenske dialekter og er effektiv nok til at køre lokalt på en almindelig bærbar computer. Modellen udgives som open source, frit tilgængelig for andre at bruge og bygge videre på.
Pianissimo bygger på Nvidia Parakeet, en åben tale-til-tekst-model udviklet til effektiv og hurtig transskribering, som Klang har optimeret til svensk og svenske dialekter. I Klangs test har modellen en nøjagtighed på niveau med KB Whisper Large, den bedste åbne svenske model fra Kungliga biblioteket, Sveriges nationalbibliotek, men er omkring 60 gange hurtigere.
Klangs transskriberingsmodel når omkring 3600x realtid, hvilket betyder, at modellen kan behandle, hvad der svarer til lidt over én times lyd, på et sekund. Den høje hastighed gør det muligt at transskribere tale løbende under en igangværende samtale med meget kort forsinkelse, hvilket gør modellen særligt velegnet til realtidstransskribering og andre tjenester, hvor store mængder lyd skal behandles hurtigt.
Vi bygger selv mere og mere teknologi, der kræver transskribering i realtid, men har manglet en åben model tilpasset svensk, som kombinerer høj kvalitet med den hastighed, vi har brug for. At Pianissimo kan køre på almindelig forbrugerhardware, åbner også for helt nye typer tjenester. Nu glæder vi os til at se, hvad andre kan bygge videre på modellen, siger Mattias Fält, Head of AI, medstifter og ansvarlig for Pianissimo hos Klang AI.
Vil have flere svenske virksomheder til at bygge videre på hinandens teknologi
Klang vælger at udgive modellen åbent og frit tilgængeligt for alle og ser det som en vigtig del af at bygge et stærkere svensk og europæisk AI-økosystem, hvor virksomheder i højere grad kan bygge videre på teknologi, der allerede er udviklet.
Hvis svenske og europæiske virksomheder skal kunne bygge konkurrencedygtig AI, skal vi blive bedre til at bygge oven på hinandens arbejde med interoperabilitet som kerne. Ved at åbne modellen kan andre bruge deres tid på næste lag af innovation. For os handler det også om at mindske afhængigheden af både eksterne modelleverandører og infrastruktur uden for Europa, fortsætter Mattias Fält.
Pianissimo kan køre direkte lokalt og offline, men tilbydes også via svenske Berget AI's API og infrastruktur i Sverige. Dermed kan virksomheder, der vil bruge modellen som en hostet tjeneste, gøre det via en svensk leverandør.
Vi tror stærkt på det svenske økosystem, og det her viser, hvad der bliver muligt, når svenske aktører samarbejder åbent og tæt. Vi er meget glade for at tage næste skridt i samarbejdet med Klang og kunne tilbyde nye muligheder for live-transskribering på svensk. Ligesom tidligere kan vi garantere, at data behandles helt inden for Sveriges grænser, og at intet gemmes, hvilket er afgørende for mange organisationer med krav om høj datasikkerhed, siger Andreas Lundmark, adm. direktør, Berget AI.
Første model i en større satsning
Pianissimo er den første af flere AI-modeller, som Klang planlægger at udgive åbent. Flere modeller er planlagt i nær fremtid, hvor nogle vil blive optimeret til hastighed og andre til endnu højere nøjagtighed. Klang planlægger også versioner til flere sprog, hvor dansk og norsk står først for tur, med ambitionen om derefter at udvikle flere specialiserede modeller til det europæiske marked.
Mere om Klang Pianissimo
- Modellen er udviklet til anvendelser, hvor svensk talegenkendelse skal fungere i realtid, for eksempel live-transskribering, tilgængelighedsløsninger og andre tjenester, der skal følge en samtale, mens den foregår.
- Modellen kan køre lokalt og offline på almindelig forbrugerhardware, uden at lyd eller data skal sendes til en ekstern AI-tjeneste.
- Pianissimo når omkring 3600x realtid i Klangs test, hvilket svarer til cirka 40 timers lyd behandlet på under et minut.
- Modellen udgives som en åben model, hvilket betyder, at den må bruges, ændres og bygges videre på.
- Sammenligningerne af nøjagtighed og hastighed er foretaget på standardiserede datasæt som Common Voice og FLEURS samt på Klangs eget datasæt for svenske dialekter.
Klang Pianissimo er tilgængelig fra 23. september via Hugging Face og som API via Berget AI.
Prøv Pianissimo selv