כל מה שחם בעולם הבינה המלאכותית · בעברית
בנושא
צוות Lokutor פרסם בקוד פתוח את Oído, מנוע תמלול דיבור באנגלית שרץ כולו על מיקרו-בקר ESP32-S3, בלי ענן ובלי מאיץ נוירוני. במבחני LibriSpeech הוא מציג שיעור שגיאות נמוך מזה של Whisper tiny.en, שנבדק על מחשב נייד. לפי המפתחים, המדידות נעשו באמולטור, ובדיקות על לוחות פיזיים יפורסמו בימים הקרובים.
צוות Qwen של עליבאבא השיק את Qwen-Audio-3.1, סדרה של חמישה מודלים לזיהוי דיבור, להקראת טקסט ולשיחה בזמן אמת. גרסת ASR-Next מזהה כמה דוברים, רגשות וצלילי רקע. במקביל החברה מורידה את המחירים: עד 95% פחות על זיהוי דיבור, כ-85% פחות על המודל בזמן אמת וכ-70% פחות על הקראת טקסט.
Hugging Face, בשיתוף עם חברת Voice Arena, הרחיבה את ה-Open ASR Leaderboard - לוח המדידה המוביל לזיהוי דיבור אוטומטי (ASR) - והוסיפה לו שתי שפות מהודו: הינדי (הראשונה Indic language בלוח) ואנגלית הודית. המהלך נועד לחשוף פערי דיוק בין קבוצות דוברים שהמדד המקובל, שיעור שגיאות מילים (WER), מסתיר.
IBM הציגה את Granite Speech 5.0 Turbo, גרסה חדשה במשפחת מודלי הקול שלה המבוססת על ארכיטקטורת CTC, שמיועדת לתמלול דיבור מהיר ומדויק. המודל עורר עניין בקהילת הבינה המלאכותית הפתוחה, וריפורט עליו פורסם בפורום LocalLLaMA ב-Reddit.