Klang lanserer nå sin første åpne tale-til-tekst-modell for svensk. Modellen, som heter Pianissimo, er trent for svensk og svenske dialekter og er effektiv nok til å kjøres lokalt på en vanlig bærbar PC. Modellen slippes som åpen kildekode, fritt tilgjengelig for andre å bruke og bygge videre på.
Pianissimo bygger på Nvidia Parakeet, en åpen tale-til-tekst-modell utviklet for effektiv og rask transkribering, som Klang har optimalisert for svensk og svenske dialekter. I Klangs tester har modellen sammenlignbar treffsikkerhet med KB Whisper Large, den beste åpne svenske modellen fra Kungliga biblioteket, Sveriges nasjonalbibliotek, men med omtrent 60 ganger høyere hastighet.
Klangs transkripsjonsmodell når omkring 3600x sanntid, noe som betyr at modellen kan behandle tilsvarende litt over én times lyd på ett sekund. Den høye hastigheten gjør det mulig å transkribere tale fortløpende under en pågående samtale med svært kort forsinkelse, noe som gjør modellen særlig egnet for sanntidstranskribering og andre tjenester der store mengder lyd må behandles raskt.
Vi bygger selv stadig mer teknologi som krever transkribering i sanntid, men har manglet en åpen modell tilpasset svensk som kombinerer høy kvalitet med den hastigheten vi trenger. At Pianissimo kan kjøres på vanlig forbrukermaskinvare, åpner også for helt nye typer tjenester. Nå ser vi frem til å se hva andre kan bygge videre på modellen, sier Mattias Fält, Head of AI, medgründer og ansvarlig for Pianissimo i Klang AI.
Vil at flere svenske selskaper bygger videre på hverandres teknologi
Klang velger å slippe modellen åpent og fritt tilgjengelig for alle, og ser dette som en viktig del av å bygge et sterkere svensk og europeisk AI-økosystem, der selskaper i større grad kan bygge videre på teknologi som allerede er utviklet.
Hvis svenske og europeiske selskaper skal kunne bygge konkurransedyktig AI, må vi bli flinkere til å bygge oppå hverandres arbeid, med interoperabilitet som kjerne. Ved å åpne modellen kan andre bruke tiden sin på neste lag av innovasjon. For oss handler det også om å redusere avhengigheten av både eksterne modelleverandører og infrastruktur utenfor Europa, fortsetter Mattias Fält.
Pianissimo kan kjøres direkte lokalt og offline, men tilbys også via svenske Berget AIs API og infrastruktur i Sverige. Dermed kan selskaper som vil bruke modellen som en hostet tjeneste, gjøre det via en svensk leverandør.
Vi har stor tro på det svenske økosystemet, og dette viser hva som blir mulig når svenske aktører samarbeider åpent og tett. Vi er veldig glade for å ta neste steg i samarbeidet med Klang og kunne tilby nye muligheter for live-transkribering på svensk. Akkurat som tidligere kan vi garantere at data behandles helt innenfor Sverige og at ingenting lagres, noe som er avgjørende for mange virksomheter med krav til høy datasikkerhet, sier Andreas Lundmark, administrerende direktør i Berget AI.
Første modell i en større satsing
Pianissimo er den første av flere AI-modeller som Klang planlegger å slippe åpent. Flere modeller er planlagt i nær fremtid, der noen vil optimaliseres for hastighet og andre for enda høyere treffsikkerhet. Klang planlegger også versjoner for flere språk, der dansk og norsk står først for tur, med ambisjon om deretter å utvikle flere spesialiserte modeller for det europeiske markedet.
Mer om Klang Pianissimo
- Modellen er utviklet for bruksområder der svensk talegjenkjenning må fungere i sanntid, for eksempel live-transkribering, tilgjengelighetsløsninger og andre tjenester som må følge en samtale mens den pågår.
- Modellen kan kjøres lokalt og offline på vanlig forbrukermaskinvare, uten at lyd eller data må sendes til en ekstern AI-tjeneste.
- Pianissimo når omkring 3600x sanntid i Klangs tester, noe som tilsvarer omtrent 40 timer lyd behandlet på under ett minutt.
- Modellen slippes som en åpen modell, noe som betyr at den kan brukes, endres og bygges videre på.
- Sammenligningene av treffsikkerhet og hastighet er gjort på standardiserte datasett som Common Voice og FLEURS, samt på Klangs eget datasett for svenske dialekter.
Klang Pianissimo er tilgjengelig fra 23. september via Hugging Face og som API via Berget AI.
Test Pianissimo selv