アムステルダムを拠点とする音声認識スタートアップ Resonate Labs BV は本日、Rumble-2-Flash 文字起こしモデルをオープン ウェイト付きの無料ダウンロードとしてリリースしました。
録音済みのオーディオを高速に転写するように設計された 5 億パラメータのモデルは、40 以上の言語をサポートしています。 Reson8 は、英語以外の言語向けに構築された音声認識を必要とする開発者や研究者にこのリリースを売り込んでいます。
同社によると、主要な音声モデルは主に英語でトレーニングされていますが、英語を母国語として話す人は 20 人に 1 人程度しかいません。薬の名前などの専門用語は、音声が英語以外になると精度が最も低下すると言われています。 Reson8 のモデルは、会議の議事録作成者、人工知能の受付係、顧客サポートの音声エージェント、医療の文字起こし、キャプション作成などに実稼働環境で使用されていると言われています。
「一般的な音声モデルは英語向けに構築されており、他の言語では著しく間違いが多いです」と、トーマス・クリュイタース氏とヤルノ・フェルハーゲン氏とともに会社を設立した共同創設者兼最高経営責任者のラウル・リッター氏は語る。 「オランダ語、スウェーデン語、ドイツ語などの言語は何百万人もの人々に話されていますが、それらは後付けのものです。」
Reson8 は、Rumble-2-Flash を、Hugging Face Inc. の Open ASR Leaderboard で最小のモデルの 1 つであると説明しています。リーダーボードの多言語テストを同社が独自に実行したところ、このモデルはドイツ語、フランス語、オランダ語を含む 7 言語で平均 7.09% の単語誤り率を示しました。英語の平均誤り率は約 5% であると言われています。
マルタ語やバスク語など、リソースの少ない 10 の言語を対象とした別のテストでは、Rumble-2-Flash は平均単語誤り率 17.6% を記録したと言われています。 Reson8 によると、OpenAI Group PBC の Whisper Large V3 の同じテストにおける平均単語誤り率は 39.82% でした。
Reson8 のモデルは、ベンチマーク セット以外にも、電話回線の音声などのノイズの多い設定向けにトレーニングされていると言われています。現実の世界は「レコーディングスタジオでは起こりません」と同社のAI責任者クルイタース氏は言う。
本日のオープンウェイトのリリースは、同社が主力モデルである Rumble-2 を発売する 1 週間前、Reson8 のアプリケーション プログラミング インターフェイスでこのモデルがデビューした 11 月 3 日に続きます。顧客が微調整せずに最大 50,000 語の用語をテキストとして追加できるカスタム語彙サポートは、引き続き Rumble-2 のみに限定されます。
オランダにある同社独自のグラフィックス処理装置でホストされている Reson8 のサービスは、音声やトランスクリプトを一切保持しないと言われています。同社はまた、ISO 27001 認証を取得し、欧州連合の一般データ保護規則と同ブロックの AI 法に準拠していると主張しています。
Apache 2.0 ライセンスに基づいて無料で利用できる Rumble-2-Flash は、音声 1 時間あたり 0.01 ユーロ (0.001 ドル) からの価格で、Reson8 の API を通じてアクセスすることもできます。
Reson8は3月にプレシード資金として500万ユーロ(550万ドル)を調達した。 Balderton Capital がラウンドをリードし、NP-Hard Ventures も参加しました。 Balderton 社のパートナー、James Wise 氏によると、音声は「急速にソフトウェア全体のデフォルトのインターフェースになりつつある」という。
画像: Reson8
theCUBE コミュニティに参加することで、コンテンツをオープンかつ無料に保つという私たちの使命をサポートしてください。 theCUBE の同窓会トラスト ネットワークに参加してくださいテクノロジーリーダーがつながり、インテリジェンスを共有し、機会を生み出す場所です。
- 1,500 万人以上の theCUBE 動画の視聴者AI、クラウド、サイバーセキュリティなどにわたる会話を強化
- 11.4k+ theCUBE 卒業生 — 独自の信頼できるネットワークを通じて、未来を形作る 11,400 人を超えるテクノロジーおよびビジネスのリーダーとつながります
テクノロジーの先見者である John Furrier と Dave Vellante によって設立された SiliconANGLE Media は、1,500 万人以上のエリート テクノロジー プロフェッショナルにリーチする、業界をリードするデジタル メディア ブランドのダイナミックなエコシステムを構築しました。当社の新しい独自の theCUBE AI Video Cloud は、theCUBEai.com ニューラル ネットワークを活用して視聴者との対話に画期的な進歩をもたらし、テクノロジー企業がデータに基づいた意思決定を行い、業界の会話の最前線に留まり続けることを支援します。








Leave a Reply