Wispr ha presentato il modello di riconoscimento vocale Canto

L'azienda Wispr ha rilasciato il modello Canto, progettato per il riconoscimento vocale ad alta precisione in tempo reale. Gli sviluppatori posizionano la soluzione come strumento per lavorare in ambienti acustici complessi, dove è richiesta una latenza minima e un'elevata resistenza ai rumori di fondo.

Durante i test interni su un set di dati di 10 ore, che simula scenari reali di dittatura, Canto ha dimostrato il più basso tasso di Word Error Rate (WER) tra tutti i modelli di tempo reale disponibili. Secondo quanto dichiarato dall'azienda, l'architettura ha superato in precisione le soluzioni analoghe di Google, OpenAI, AssemblyAI e Deepgram.

Il modello è ottimizzato per funzionare in condizioni in cui i sistemi di riconoscimento standard spesso commettono errori a causa degli accenti, della terminologia specifica o della bassa qualità della registrazione. I dettagli tecnici dell'architettura e la metodologia di test sono presentati sulla pagina ufficiale del progetto.

Il rilascio di Canto è finalizzato a colmare il divario tra i benchmark di laboratorio e l'applicazione pratica delle tecnologie di riconoscimento vocale. A differenza di molti modelli universali, questa soluzione si concentra sulla minimizzazione della latenza mantenendo l'accuratezza della trascrizione in ambienti dinamici.