BharatGenAI ha presentato il modello di riconoscimento vocale multilingue Shrutam-2

Gli sviluppatori di BharatGenAI hanno rilasciato la seconda versione del modello di riconoscimento vocale automatico (ASR) chiamato Shrutam-2. Il sistema è progettato per elaborare flussi audio in 12 lingue indiane, garantendo un'elevata precisione della trascrizione in un ambiente multilingue.

L'architettura del modello si basa sui principi di LLM e utilizza un proiettore specializzato Mixture-of-Experts (MoE). Questo approccio consente di distribuire efficacemente le risorse di calcolo durante l'elaborazione di diverse strutture linguistiche, caratteristiche delle lingue regionali dell'India. Il modello mostra un risultato di 24 punti secondo la metrica di qualità interna con un tempo di elaborazione di 2 ore su un set di dati di test.

Il progetto è disponibile per il download sulla piattaforma Hugging Face. L'utilizzo di Shrutam-2 è limitato da una licenza non commerciale, che implica l'applicazione della tecnologia esclusivamente per scopi di ricerca o educativi. Gli sviluppatori hanno fornito l'accesso ai pesi del modello per l'integrazione nei flussi di lavoro locali di elaborazione del linguaggio.

Il rilascio di questo modello estende l'insieme di strumenti per lavorare con le lingue a bassa risorsa, dove le soluzioni ASR globali standard spesso mostrano un'efficacia insufficiente. Il passaggio all'architettura MoE nei compiti di riconoscimento vocale consente di ottimizzare le prestazioni del sistema senza la necessità di aumentare notevolmente il numero di parametri, il che è fondamentale per il deploy su hardware specializzato.