Desert Ant Labs ha rilasciato il modello Voz per il riconoscimento vocale locale

L'azienda Desert Ant Labs ha presentato Voz — un modello specializzato per il riconoscimento vocale, progettato per funzionare esclusivamente su dispositivi Apple. La soluzione utilizza appieno le risorse del motore neurale integrato Apple Neural Engine, garantendo la privacy dell'elaborazione dei dati senza accedere ai server cloud.

Il modello supporta la trascrizione in 25 lingue e fornisce marcatori temporali a livello di singole parole. Secondo i risultati dei test, il tasso medio di errori di riconoscimento (WER) è del 7,40%. Quando si lavora con registrazioni audio lunghe, la precisione aumenta e il WER scende al 2,83%.

L'architettura è ottimizzata per funzionare nell'ecosistema Apple, consentendo l'integrazione della funzionalità di riconoscimento vocale nelle app native senza un carico significativo sul processore centrale. Il modello è disponibile per il download sulla piattaforma Hugging Face, dove gli sviluppatori possono consultare i pesi e la documentazione per implementarlo nei propri progetti.

Il rilascio di Voz estende le possibilità di elaborazione audio locale per gli sviluppatori di macOS e iOS. L'utilizzo dell'accelerazione hardware Neural Engine consente di ridurre il consumo di energia durante l'esecuzione di compiti di trascrizione in tempo reale, fondamentale per dispositivi mobili e laptop.