以色列公司推出速度提升50%的開源語音識別模型Whisper Medusa

以色列AI公司aiOla發佈了一款名爲Whisper Medusa的開源語音識別模型，該模型基於改進的架構設計，引入多頭注意力機制，使其處理速度比OpenAI的Whisper模型快50%。Whisper Medusa通過並行預測十個tokens，而非傳統的一次一個，顯著提高了語音識別速度，同時保持了性能不減。其創新的訓練方法採用弱監督學習，凍結主幹系統並使用模型生成的音頻轉錄作爲標籤訓練其他模塊。這一開源模型的發佈，將爲語音識別技術的發展帶來深遠影響，推動更快速、高效的語音處理應用，並可能在智能助手、實時翻譯和語音控制系統等領域實現性能提升。