aiOla推超高速開源語音識別模型Whisper-Medusa，比OpenAI的Whisper快50%

以色列AI初創公司aiOla發佈了一款名爲Whisper-Medusa的開源語音識別模型，比OpenAI的Whisper快50%。該模型基於Whisper構建，採用了創新的“多頭注意力”架構，能一次預測更多代幣，速度提升顯著而準確性不變。Whisper-Medusa已在Hugging Face上以麻省理工學院許可發佈，允許研究和商業使用。aiOla通過弱監督機器學習方法訓練模型，凍結了Whisper的主要組件，並使用模型生成的音頻轉錄作爲標籤來訓練額外的token預測模塊。該模型在真實企業數據用例上測試過，能在實際場景準確運行，有望在語音應用中加快響應速度，提升效率和降低成本。