Klang lancerer åben dansk AI-model til lynhurtig transskribering
AI-virksomheden Klang.ai udgiver en ny åben tale-til-tekst-model, der behandler en times lyd på ét sekund og overgår konkurrerende modeller
Del artiklen påAf Lars Bennetzen
Den nordiske AI-virksomhed Klang.ai har udgivet sin første åbne tale-til-tekst-model til dansk. Modellen har fået navnet Pianissimo og bygger på Nvidia Parakeet, som er blevet optimeret til det danske sprog for at sikre hurtig og præcis transskribering.
- Vi udvikler stadig mere teknologi, der kræver transskribering i realtid, men de skandinaviske sprog har indtil relativt nylig været underprioriterede. Nu har vi udviklet den model, vi selv mener, vi har brug for, både når det gælder hastighed og nøjagtighed, siger Mattias Fält, Head of AI, medstifter og ansvarlig for Pianissimo hos Klang AI.
I virksomhedens egne test, der måler på Word Error Rate (WER), opnår modellen et resultat på 11,83 %. Det er henholdsvis 10 og 11 % lavere end de åbne danske modeller Edda og Saga samt 4 % lavere end den kommercielle model ElevenLabs Scribe v2.
Pianissimo er udviklet til at kunne køre lokalt og offline på almindelig forbrugerhardware uden at sende data til eksterne tjenester. Modellen behandler lyd med en hastighed på cirka 3.600 gange realtid, hvilket betyder, at en times optaget lyd kan transskriberes på cirka ét sekund.
- Hvis nordiske virksomheder skal kunne udvikle konkurrencedygtig AI, skal vi blive bedre til at bygge videre på hinandens arbejde. Med Pianissimo vil vi bidrage til den udvikling og samtidig skabe flere alternativer til de store internationale modeludbydere for at styrke Nordens og Europas teknologiske uafhængighed, fortsætter Mattias Fält.
Modellen udgives med åbne modelvægte under licensen CC BY 4.0 og kan dermed anvendes og modificeres frit. Lanceringen af den danske udgave følger efter en svensk version i september, og virksomheden planlægger desuden en kommende norsk model.