Assembly AI推出Universal-1模型，幻觉减少30%，优于Whisper

Home AI News CN Assembly AI推出Universal-1模型，幻觉减少30%，优于Whisper

Assembly AI 最新推出了其最新的语音识别模型——Universal-1。该模型经过超过 1250 万小时的多语言音频数据训练，在英语、西班牙语、法语和德语等语言的语音转文本准确度上达到了令人印象深刻的水平。公司表示，与 OpenAI 的 Whisper Large-v3 模型相比，Universal-1 在语音数据上减少了 30% 的幻觉发生率，在环境噪声上减少了 90%。

在最近的一篇博客文章中，Assembly AI 将 Universal-1 描述为实现其提供多语言高准确度、可靠性和稳健性语音转文本能力的重要一步。该模型能够有效处理代码混合，能够在单个音频文件中转录多种语言。

Universal-1 在时间戳估计方面表现出色，这对音频和视频编辑以及对话分析至关重要。它比前身模型 Conformer-2 提高了 13%，在说话者区分和连接最小排列词误差率（cpWER）方面也有显著提升，达到 14%。此外，讲话者人数估计的准确率也上升至 71%。

该模型还具备优化的并行推理能力，大幅减少了长音频文件的处理时间。在 Nvidia Tesla T4 机器上，Universal-1 可在仅 21 秒内转录 1 小时的音频，比 Whisper Large-v3 快了五倍，后者在相同任务中需用时 107 秒。

增强版的语音转文本 AI 模型带来了诸多好处，包括生成更准确和可靠的记录，识别行动项，以及整理诸如专有名词、说话者身份和时间等元数据。这一改进将有助于多种应用场景，从 AI 驱动的视频编辑到需要精确临床记录输入和索赔提交的远程医疗平台。

Universal-1 现已通过 Assembly AI 的 API 提供访问。

Perplexity的增长挑战SEO，揭示谷歌主导地位的弱点

Meta的图像生成器在呈现混血情侣和友谊时面临挑战

Most people like

Imagga Image Recognition API

36.7K

引入图像识别API：用于高效图像标记、分类和人脸识别的创新解决方案。此API旨在提供精准的图像处理功能，帮助开发者快速实现智能识别技术。通过这一API，用户可以轻松进行图像分类和人脸检测，提升应用程序的智能化水平。

图像标记 AI 图像识别

Mindsera

42.1K

人工智能驱动的杂志：开启全球首个以AI为核心的出版新时代在这个科技迅速发展的时代，人工智能已渗透到我们生活的方方面面。而如今，我们迎来了世界上首本由人工智能生成内容的杂志。这本杂志不仅展示了AI技术的强大潜力，也为内容创造和发布带来了新的可能性，为读者提供个性化和前沿的阅读体验。

人工智能驱动写作助手

Magnifi

39.6K

人工智能驱动的视频智能解决方案为您提供前所未有的视听体验。借助先进的技术，这些解决方案不仅提升了视频内容的质量与可访问性，还优化了用户互动和数据分析。无论是在商业、教育还是娱乐行业，智能视频技术正逐步变革我们与视觉媒体的互动方式。

人工智能 AI改写助手

光标 - AI首选代码编辑器

28.7K

光标是一款高效的双人编程代码编辑器，融合了人工智能技术，旨在提升开发者的协作效率。

以AI为先 AI 代码助手

Find AI tools in YBX