Desert Ant Labs Voz modelini yerel konuşma tanıma için piyasaya sürdü

Desert Ant Labs şirketi, Voz adlı, yalnızca Apple cihazlarında çalışmak üzere tasarlanmış özel bir konuşma tanıma modelini sundu. Çözüm, Apple Neural Engine'nin yerleşik sinir motoru kaynaklarını tamamen kullanır ve bulut sunucularına başvurmadan veri işleme gizliliği sağlar.

Model, 25 dil için transkript destekler ve ayrı ayrı kelimeler düzeyinde zaman damgaları sağlar. Test sonuçlarına göre, ortalama konuşma tanıma hata oranı (WER) %7,40 düzeyindedir. Uzun ses kayıtlarıyla çalışırken, doğruluk artar ve WER %2,83'e düşer.

Mimari, Apple ekosisteminde çalışmak için optimize edilmiştir, bu da geliştiricilerin merkezi işlemciye önemli bir yük bindirmeden yerel uygulamalara ses tanıma işlevini entegre etmelerine olanak tanır. Model, Hugging Face platformunda indirilmeye hazır durumdadır, burada geliştiriciler, kendi projelerine entegrasyon için ağırlıkları ve belgeleri inceleyebilir.

Voz'un piyasaya sürülmesi, macOS ve iOS için geliştiricilerin yerel ses işleme olanaklarını genişletir. Neural Engine'nin donanım hızlandırmasının kullanılması, gerçek zamanlı transkript görevlerinin gerçekleştirilmesinde enerji tüketimini azaltmaya olanak tanır ve bu, mobil cihazlar ve dizüstü bilgisayarlar için kritik bir husustur.